AINLP·· 9 小时前精选AI 评估 · 80/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
字节跳动 Athanor 用 4 个 Agent 自主后训练，104 小时追平 Qwen3-4B-Instruct-2507
字节跳动 Athanor：4个 Agent 自主后训练，104小时追平官方指令版
AI 导读
字节跳动与杜克大学等团队提出 Athanor，让 4 个 Claude Opus 5.5 Agent 通过 Claude Code 自主完成 Qwen3-4B-Base 的后训练研究，104 小时后模型在开发集和隐藏集均分分别为 67.3 和 48.2，接近官方 Qwen3-4B-Instruct-2507 的 66.5 和 47.9。
推荐理由
论文完整记录了四个 Agent 自主后训练的全过程，包括卡死诊断、checkpoint 共享和成本拆分，可供理解自动化研究流程。
来源：AINLP · mp.weixin.qq.com