Athanor: agentes de IA pós-treinam modelo sozinhos por 104 horas

O que aconteceu

O paper "Athanor: An Agent-Native System for Autonomous Post-Training Research" descreve um sistema aberto, nativo de agentes, para pesquisa autônoma de pós-treinamento, o AutoPostTrain, rodando em GPUs reais. Na campanha de 104 horas, uma equipe de quatro agentes de fronteira, cada um em um nó de oito GPUs, elevou o Qwen3-4B-Base de 15,9 para 67,3 pontos numa suíte de desenvolvimento de seis tarefas. Na suíte reservada, que os agentes não sabiam que existia, o ganho foi de 9,2 para 48,2. Os números da versão oficial Qwen3-4B-Instruct-2507 são 66,5 e 47,9, respectivamente.

Os agentes trabalharam com autonomia total: liam datasets e resultados de avaliação, construíam os próprios dados de treino, escreviam e modificavam algoritmos de treinamento, ajustavam hiperparâmetros e analisavam os resultados para decidir o próximo passo. Ficaram em sandbox e não podiam recorrer a modelos professores externos. O Athanor fornecia avaliação congelada, jobs gerenciados, dados descontaminados, registro persistente da pesquisa e uma suíte held-out desconhecida pelos agentes.

Contexto

O paper enquadra o experimento como uma forma fraca, e mensurável hoje, de autoaperfeiçoamento recursivo, a ideia de sistemas de IA construindo sistemas de IA mais fortes. Em vez de prometer superinteligência, os autores mediram o que já dá para medir: o quanto agentes de fronteira conseguem fazer de pesquisa sozinhos ao pós-treinar um modelo base pequeno com dados públicos.

O registro completo da campanha mostra como os agentes chegaram lá. Eles recombinaram métodos conhecidos e os modelos uns dos outros: SFT em dados públicos de raciocínio, RL com uma mudança de rollout introduzida por um dos agentes, merges de pesos entre agentes e rodadas de autodestilação. Nenhuma técnica nova, portanto. A novidade está na condução.

Por que importa

Segundo os autores, esta é a primeira demonstração de que uma equipe de agentes de fronteira consegue pós-treinar um modelo base bruto até transformá-lo em um generalista de domínio cruzado que empata ou supera a versão instruct oficial na média. A frase que fecha o abstract é direta: com a execução resolvida, os agentes atuais já têm capacidade de engenharia e de pesquisa para vencer essa tarefa.

Isso desloca o gargalo. Se a parte braçal, que consome GPUs e semanas de engenheiros, passa a ser feita por agentes, o diferencial das equipes vai para a definição do problema, a escolha das avaliações e a interpretação dos resultados.

Impacto

O resultado da suíte held-out importa mais que o da suíte de desenvolvimento. O ganho de 9,2 para 48,2 num conjunto que os agentes não conheciam indica generalização, não ajuste fino ao placar que eles viam durante a campanha. Sem modelos professores externos e limitados a dados públicos, os agentes chegaram perto do teto estabelecido pela própria Qwen, o que sugere que boa parte do trabalho de pós-treinamento pode ser automatizada sem depender de um modelo maior servindo de professor.

O paper não informa o custo em dólares da campanha nem a quantidade de tokens processados. Também não detalha quais datasets públicos foram usados.

O que muda

Athanor é descrito como sistema aberto e agent-native, pensado desde o início para agentes operarem, e não para humanos operarem com agentes ajudando. Serviços como avaliação congelada e dados descontaminados existem para evitar que os agentes trapaceiem no placar. A suíte held-out funciona como auditoria independente do progresso, e o registro persistente da pesquisa permite reconstruir cada decisão tomada ao longo das 104 horas.

O que vem agora

Os autores escrevem que esperam que o Athanor sirva de base para escalar pesquisa autônoma de IA. O paper não anuncia uma próxima campanha, prazo ou versão maior do sistema. O código e os dados associados aparecem na página do artigo no arXiv, na seção de ferramentas bibliográficas e de mídia.

FONTES

• arXiv cs.AI, "Athanor: An Agent-Native System for Autonomous Post-Training Research" (arXiv:2610.21055v1), submetido em 15 de outubro de 2026: https://arxiv.org/abs/2610.21055