衔远科技与清华团队发布 AI4AI 模型 Frontis-MA1-35B 及 OpenMLE 套件
开源 35B 模型尝试让 AI 自动完成机器学习工程任务，以迈向递归自我改进，性能接近超大模型。
衔远科技和清华大学发布 35B 参数的 AI4AI 模型 Frontis-MA1 及开源套件 OpenMLE，目标是让 AI 自己改进 AI。在机器学习工程基准上，该模型结合搜索策略达到 71.21% 的成绩，接近参数量大得多的闭源模型。所谓 AI4AI，就是让 AI 参与研发 AI 本身的过程；而递归自我改进则是其中让 AI 不断优化自身能力的前沿方向。
正文摘录
.31.14.png)  本工作由衔远科技与清华大学联合完成，其中衔远科技为唯一通讯单位。项目负责人杨峻麟（清华计算机系本科四年级）、姜澈（清华电子工程系博士三年级），两人现为衔远科技算法研究员，研究方向为 AI4AI 与 RSI，均师从上海人工智能实验室主任、清华大学惠妍讲席教授周伯文。唯一通讯作者张开颜，衔远科技 CTO、清华电子系博士，师从周伯文教授。 2026 年 8 月初，谷歌首席科学家 Jeff Dean 联合多位核心研究员集体离职，创立 Discovery Loop，目标直指递归自我改进（RSI）—— 让 AI 自己跑实验、评估结果、修正弱点，并持续迭代。 这不是孤立事件。过去一年，AI 已经开始进入 AI 研发流程本身。AlphaEvolve 用大模型和自动评测器搜索算法，部分结果已用在训练基础设施中；Darwin Gödel Machine 让 Coding Agent 修改自己的工具与工作流；SEAL 尝试让模型生成微调数据与更新指令；TTT-Discover 则在测试阶段继续更新模型。研究者开始把 AI 当作研发者，而不只是被研发的对象。