AutoTrainess 是一个语言模型智能体，旨在自动化后训练过程，解决前沿模型训练中高度依赖人工的问题。它将规划、数据准备、训练、评估和日志记录暴露为智能体-计算机接口仓库。

  • AutoTrainess 通过明确的工作流、规则和执行约束将先前的人类经验外化，以引导可靠的训练行为。
  • 在 PostTrainBench 上，它使用 GPT-5.4 (Codex) 取得了 26.94 的平均分，优于仅使用 CLI 的基线（得分为 23.21）。
  • 该系统在不同模型和 harness 之间泛化，将 DeepSeek-V4-Flash (OpenCode) 从 12.13 提升至 19.58。

通过自动化迭代和评估的复杂循环，AutoTrainess 使语言模型智能体能够在无需人工干预的情况下自主改进其他语言模型。