Problem

語言模型訓練目前高度依賴人力，自主化後訓練面臨極大挑戰。代理模型不僅需要撰寫程式，還須處理迭代規劃、構建基準測試資料、穩定訓練任務及管理實驗狀態等複雜流程，傳統的命令列介面（CLI）環境缺乏明確規範，導致訓練過程難以穩定。

Method

研究團隊開發了 AutoTrainess 框架，將規劃、資料準備、訓練、評估與日誌紀錄等操作封裝成專用的代理電腦介面（ACI）。該系統將人類訓練經驗外顯化為明確的工作流、規則與執行約束，引導代理模型在受控且有效率的環境下執行訓練任務。

Results

在 PostTrainBench 基準測試中，AutoTrainess 表現優於純 CLI 基準。使用 GPT-5.4 (Codex) 時，平均分數從 23.21 提升至 26.94；在 DeepSeek-V4-Flash 上的表現更從 12.13 大幅提升至 19.58，證明其具備跨模型的泛化能力與效能穩定性。

Significance

這項研究為「模型自主自我改進」奠定了重要基礎。透過標準化介面與經驗約束，AutoTrainess 證明了 AI 代理具備自主處理長期、複雜工程任務的潛力，顯著降低了開發先進語言模型時對人工干預的密集需求。