Frontis-MA1：把机器学习工程变成 AI 自我改进试验场

2026年7月31日阅读约 2 分钟

导语

“递归自我改进”（RSI）常被讨论为通往更强 AI 的关键路径，但难点在于：如何把“AI 改进 AI”变成可执行、可评测、可复现的研究问题。FrontisAI 的论文将切口放在机器学习工程（MLE）上：让模型在真实代码、训练脚本、报错反馈和榜单指标中学习如何改进模型开发流程。

论文提出的核心成果包括开放系统 OpenMLE，以及在其上后训练得到的 35B 参数模型 Frontis-MA1。它不是单纯回答问题的聊天模型，而是被设计成一个“元进化代理”：通过不断生成、修改、调试和组合程序，推动机器学习方案迭代。

OpenMLE 是一套完整试验栈：系统包含 OpenMLE-Gym、OpenMLE-RL 和 OpenMLE-Evo。前者提供带执行反馈的可验证任务环境，中间层负责基于操作符的学习，后者负责长周期搜索。
训练与推理围绕同一组操作符对齐：Frontis-MA1 使用四个原子程序进化操作——Draft、Improve、Debug、Crossover。也就是说，模型训练时学的能力，与推理时用于搜索和迭代的动作保持一致。
强调执行反馈而非静态文本学习：论文称其通过带执行结果的 SFT 和 RL 数据进行后训练，并对评测基准做去重，以降低数据泄漏风险。
长程搜索是性能提升关键：在 MLE-Bench Lite 上，Frontis-MA1 结合 OpenMLE-Evo 后，Medal Average 从基座模型的 39.39% 提升到 60.61%；使用 OpenMLE-Evo-Max 后达到 71.21%。
迁移结果显示框架与模型各有贡献：在保留 NatureBench Lite 作为 held-out 测试时，固定框架换入训练后的模型，Match-SOTA 从 50% 提升到 70%；固定模型换入 OpenMLE-Evo，则从 20% 提升到 50%。

这项工作最值得关注的地方，并不只是单个模型分数，而是它把 AI4AI 研究拆成了可工程化的闭环：环境提供执行反馈，模型学习可复用的程序进化动作，搜索系统把短动作组合成长周期策略。相比只评测代码补全或问答能力，这更接近机器学习工程师的真实工作流。

当然，摘要中的结果仍需要结合完整论文、代码复现和基准设置来判断。尤其是 OpenMLE-Evo-Max 引入了经验先验和异步搜索，其性能提升不应只归因于模型本身。但如果开源权重和完整 OpenMLE 栈能被社区充分验证，它可能为研究“AI 如何改进 AI 开发过程”提供一个更具体的公共平台。