Frontis发布Frontis-MA1，这是一个35B参数的AI4AI模型，专为机器学习工程中的递归自我提升而设计，同时发布了开源的OpenMLE栈。该系统整合了可验证的任务环境、算子学习和长视界搜索，使智能体能够通过执行基础训练来改进自身代码。
- Frontis-MA1使用四个原子程序演化算子进行后训练：Draft（起草）、Improve（改进）、Debug（调试）和Crossover（交叉）。
- 在MLE-Bench Lite上，使用单张RTX 4090显卡、12小时预算，通过OpenMLE-Evo将Medal Average从39.39%提升至60.61%。
- 使用OpenMLE-Evo-Max，Frontis-MA1达到71.21%，超过GPT-5.5 + Codex，并接近GPT-5.6 Sol和Kimi K3。
- 该框架在NatureBench Lite上展示了可迁移性，在替换为训练好的模型后，Match-SOTA从50%提升至70%。
此次发布模型权重和完整的OpenMLE栈，旨在推动针对可执行AI4AI系统的可复现研究，以实现递归自我提升。