Frontis lanza Frontis-MA1, un modelo AI4AI de 35B parámetros diseñado para la auto-mejora recursiva en ingeniería de aprendizaje automático, junto con el stack de código abierto OpenMLE. El sistema integra entornos de tareas verificables, aprendizaje de operadores y búsqueda a largo plazo para permitir que un agente mejore su propio código mediante entrenamiento basado en ejecución.

  • Frontis-MA1 se post-entrena utilizando cuatro operadores atómicos de evolución de programas: Draft, Improve, Debug y Crossover.
  • En MLE-Bench Lite con un presupuesto de 12 horas en una RTX 4090, el modelo mejora el Medal Average de 39.39% a 60.61% usando OpenMLE-Evo.
  • Con OpenMLE-Evo-Max, Frontis-MA1 alcanza 71.21%, superando a GPT-5.5 + Codex y acercándose a GPT-5.6 Sol y Kimi K3.
  • El marco demuestra transferibilidad en NatureBench Lite, elevando Match-SOTA de 50% a 70% al intercambiar el modelo entrenado.

El lanzamiento tanto de los pesos del modelo como del stack completo OpenMLE tiene como objetivo habilitar la investigación reproducible en sistemas AI4AI ejecutables hacia la auto-mejora recursiva.