⌁ Awesome Auto Research Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

AutoTrainess：教语言模型自主改进语言模型

arXiv 2026 51.6 method, system

TLDR

AutoTrainess通过智能体-计算机接口自动化语言模型后训练，在PostTrainBench上超越纯CLI基线。

评分理由

Strengths: introduces a structured approach to automate LM post-training, shows empirical gains across models. Weaknesses: limited to post-training, not general scientific discovery; evaluation on a single benchmark.

Read-first 评分解释

综合优先阅读分 51.6，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 31。

近期性 8%
100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。 年份：2026

方法质量 25%
80

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。 命中信号：基线、基准、评估、实验

可复现性 25%
50

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。 论文：有；代码：无；数据：无；命中信号：检查点、代码、仓库

主题相关性 42%
25.8

使用现有 LLM 关键词相关性评分，并归一化到 0-100。 关键词：AI scientist、automated scientific discovery、autonomous research agent、automated research、literature review agent、survey generation、automated experimentation、experiment design agent、AI for scientific research、paper writing agent、research automation、scientific discovery agent

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：98。

关键词评分

automated experimentation
6
experiment design agent
5
research automation
5
automated research
4
autonomous research agent
3
AI for scientific research
3
AI scientist
2
scientific discovery agent
2
automated scientific discovery
1
literature review agent
0
survey generation
0
paper writing agent
0

深度分析

创新点

  • 智能体-计算机接口，将后训练操作（规划、数据准备、训练、评估、日志记录）暴露为结构化工作流，而非原始CLI操作。
  • 将人类专业知识外化为显式工作流、规则和执行约束，以引导智能体实现可靠的训练行为。
  • AutoTrainess系统，使语言模型智能体能够通过迭代后训练自主改进语言模型。

方法

AutoTrainess提供了一个智能体-计算机接口库，将后训练流程结构化为规划、数据准备、训练、评估和日志记录步骤，嵌入了人类衍生的工作流和约束。该智能体在PostTrainBench上使用GPT-5.4 (Codex)和DeepSeek-V4-Flash (OpenCode)等模型与纯CLI基线进行评估。

关键结果

AutoTrainess搭配GPT-5.4 (Codex)在PostTrainBench上取得平均分26.94，优于纯CLI基线（23.21），并将DeepSeek-V4-Flash (OpenCode)从12.13提升至19.58。

资源

论文

标签