Frontis는 머신러닝 엔지니어링에서의 재귀적 자기개선을 위해 설계된 35B 파라미터 AI4AI 모델인 Frontis-MA1과 오픈소스 OpenMLE 스택을 출시했습니다. 이 시스템은 검증 가능한 작업 환경, 연산자 학습(long-horizon search), 그리고 장기적 탐색을 통합하여 실행 기반 훈련을 통해 자체 코드를 개선하는 에이전트를 가능하게 합니다.

  • Frontis-MA1은 Draft, Improve, Debug, Crossover라는 네 가지 원자적 프로그램 진화 연산자를 사용하여 사후 학습되었습니다.
  • RTX 4090 하나에서 12시간의 예산을 사용한 MLE-Bench Lite에서, 모델은 OpenMLE-Evo를 사용하여 Medal Average를 39.39%에서 60.61%로 향상시켰습니다.
  • OpenMLE-Evo-Max와 함께 Frontis-MA1은 71.21%에 도달하여 GPT-5.5 + Codex를 초과하고 GPT-5.6 Sol 및 Kimi K3에 근접했습니다.
  • 이 프레임워크는 NatureBench Lite에서 이전 가능성을 입증했으며, 훈련된 모델로 교체할 때 Match-SOTA를 50%에서 70%로 높였습니다.

모델 가중치와 전체 OpenMLE 스택의 출시는 재귀적 자기개선을 향한 실행 가능한 AI4AI 시스템에 대한 재현 가능한 연구를 가능하게 하는 것을 목표로 합니다.