Frontis publie Frontis-MA1, un modèle AI4AI de 35 milliards de paramètres conçu pour l'amélioration récursive par soi-même en ingénierie du machine learning, accompagné de la pile open-source OpenMLE. Le système intègre des environnements de tâches vérifiables, l'apprentissage par opérateurs et une recherche à long horizon pour permettre à un agent d'améliorer son propre code grâce à un entraînement ancré dans l'exécution.

  • Frontis-MA1 est post-entraîné en utilisant quatre opérateurs atomiques d'évolution de programmes : Draft, Improve, Debug et Crossover.
  • Sur MLE-Bench Lite avec un budget de 12 heures sur une RTX 4090, le modèle améliore la Médaille Moyenne de 39,39 % à 60,61 % en utilisant OpenMLE-Evo.
  • Avec OpenMLE-Evo-Max, Frontis-MA1 atteint 71,21 %, dépassant GPT-5.5 + Codex et s'approchant de GPT-5.6 Sol et Kimi K3.
  • Le framework démontre sa transférabilité sur NatureBench Lite, faisant passer Match-SOTA de 50 % à 70 % lors du remplacement par le modèle entraîné.

La publication des poids du modèle et de la pile complète OpenMLE vise à permettre une recherche reproductible sur les systèmes AI4AI exécutables vers l'amélioration récursive par soi-même.