AI-agenter tränade upp en råmodell till att matcha tillverkarens egen version – på 104 timmar

arXiv cs.AI

Fyra Claude Opus 5.5-agenter fick köra fritt på riktiga GPU:er i drygt fyra dagar och lyckades träna upp Qwen3-4B-Base (en otränad grundmodell) från ett poäng på 9,2 till 48,2 på ett dolt testset – i nivå med Qwens officiella färdigtränade version som landade på 47,9. Det intressanta är inte bara resultatet utan metoden: agenterna hittade inte på något nytt, utan kombinerade kända tekniker som SFT (supervised fine-tuning), förstärkningsinlärning och viktsammanslagning – och förbättrade varandras modeller längs vägen. Det är första gången ett agentteam dokumenterat klarar hela kedjan från råmodell till färdig generalistmodell utan mänsklig vägledning.