AI 연구연구 프리프린트
Athanor, 네 에이전트가 104시간 동안 4B 모델 후속 학습
원문 읽기 · arxiv.org ↗(새 탭에서 열림)Athanor는 여러 연구 에이전트가 훈련 실험을 직접 설계하고 실행하며 결과를 기록하는 후속 학습 연구 환경이다.
배경과 변화
- Athanor는 여러 연구 에이전트가 훈련 실험을 직접 설계하고 실행하며 결과를 기록하는 후속 학습 연구 환경이다.
- 네 Claude Opus 5.5 에이전트가 각각 8 GPU 노드에서 공개 데이터와 고정 평가를 사용해 Qwen3-4B-Base를 개선했다. 외부 교사 모델은 금지하고 숨겨진 평가를 분리했다.
근거와 결과
- 104시간 연구에서 개발 평가 평균은 15.9→67.3, 숨겨진 평가 평균은 9.2→48.2로 보고했다. 공식 Instruct 모델의 해당 점수는 각각 66.5와 47.9였다.
적용 조건
- 한 모델·한 연구 캠페인과 큰 GPU 예산에 한정된다. 점수 차이가 작고 사람 연구자 전체 역할이나 더 큰 모델의 자율 연구 역량을 입증하지 않는다.
함께 확인할 조건
- 한 모델·한 연구 캠페인과 큰 GPU 예산에 한정된다. 점수 차이가 작고 사람 연구자 전체 역할이나 더 큰 모델의 자율 연구 역량을 입증하지 않는다.
이 글의 용어
기사에서 다루는 개념을 검수된 용어집에서 살펴보세요.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.