AutoTrainess：語言模型自主改進語言模型的新方法

AutoTrainess: Teaching Language Models to Improve Language Models Autonomously

每天早上一封信，5 分鐘看完 AI 重點。5min AI 是繁體中文的每日 AI 新聞整理，免費、可隨時取消。

arXiv cs.CL2026-07-01

摘要

研究者推出 AutoTrainess，一個能夠自主執行模型後訓練全流程的 AI 代理系統。與傳統需要人類手動介入的方式不同，AutoTrainess 將規劃、數據準備、訓練、評估和日誌記錄等操作標準化，讓 AI 模型能在數小時內自動完成複雜的迭代訓練任務，這對降低大模型開發成本和加速模型優化具有重要意義。

語言模型（LM）的訓練過程至今仍是高度依賴人力的工作，即使前沿的語言模型代理在軟體工程及長程任務上日益強大，自主後訓練仍面臨核心挑戰。這不僅是編碼問題，更要求代理能反覆規劃迭代、構建與基準對齊的數據、執行穩定的訓練任務、評估檢查點，並在數小時的互動中保存實驗狀態。

研究團隊提出 AutoTrainess，這是一個語言模型代理，將上述操作暴露為包含規劃、數據準備、訓練、評估和日誌記錄的代理 - 電腦介面存儲庫。與讓代理在原始 CLI 環境中運作且動作空間未明確定義不同，AutoTrainess 將先前的人類經驗外部化為明確的工作流程、規則和執行約束，以此引導代理朝向有效且可靠的訓練行為。

在 PostTrainBench 測試中，AutoTrainess 一致優於僅使用 CLI 的基準線，使用 GPT-5.4 (Codex) 時取得 26.94 的平均分數，而僅使用 CLI 的基準線得分為 23.21。該系統還展現跨模型與框架的泛化能力，成功將 DeepSeek-V4-Flash (OpenCode) 的得分從 12.13 提升至 19.58。

●開發者：可藉由自動化訓練流程大幅減少手動調試時間，提升迭代效率

●投資人：模型訓練成本自動化有助降低大模型開發門檻，增強創業團隊競爭力

●一般用戶：更多高效優化的模型將加速生成式 AI 應用的普及

重要性評分

76/100

🟠 值得關注

自主訓練語言模型優化AutoML

原文出處

上一則← Claude Science 是 Anthropic 最新旗艦產品下一則Cursor 推出手機版 App，隨時監控 Coding Agent →

每天早晨收到值得看的 AI 重點。

訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。