Athanor：面向自主后训练研究的 Agent 系统¶

仅研究资料；成本过高，不复现（审查 DONE）。 不运行完整研究 campaign，不将现有 Evolve 改名冒充 Athanor。

论文信息¶

字段	内容
论文链接	arXiv 2610.21055；固定 v1 PDF
公司 / 机构	一作 Yufa Zhou：ByteDance / Duke University；另有 University of Chicago、Virginia Tech 合作
首次公开日期	2026-10-15 00:56:33 UTC（arXiv v1；10-16 公告）
原作者代码	论文称系统开放；本轮未核实可用的官方完整源码仓库及许可证，不据此标为已开源
本地 adapter / 稳定键	`athanor`（资料键，无可执行 adapter）
本地复现代码	无算法实现；仅本文及 catalog 元数据
验收状态	完整实验不复现 / 审查 DONE；无本地模型分数

原始论文总结¶

背景与主要改动¶

研究 Agent 选择数据、训练算法和阶段组合；独立服务执行异步任务、去污染、冻结评测并保存 checkpoint 谱系。团队共享实验记录与模型，组合 SFT、RL、模型合并及自蒸馏；外部教师调用被禁止。

架构与数据流¶

flowchart TD
  H[持久实验记录 / checkpoint 谱系] --> A[研究 Agent 团队]
  A --> R[可执行训练 recipe]
  R --> E[异步训练与去污染服务]
  E --> V[冻结开发评测]
  V --> H
  E --> T[隔离的最终 held-out 评测]

原论文关键图¶

原论文 Figure 2（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式¶

原文§2将外层研究与内层训练区分：

\[ r_t\sim\pi(\cdot\mid H_{t-1}),\quad M_t=\operatorname{Exec}(r_t),\quad \hat p_t=\operatorname{Eval}_{B}(M_t;\xi_t). \]

开发分数有噪声，单次最高值不等于真实能力；最终 held-out 不向研究 Agent暴露。

论文离线与线上效果¶

作者报告四名 Agent 的104小时研究过程。正式比较应区分 campaign 协议、三种子提交均值和后续统一解码重测，不能把搜索中的最大单次分数混为最终结果；论文也指出数据正确性检查不足。

生产线上 A/B：未报告；自主研究 campaign 不是生产部署实验。

本地复现¶

只做论文解读和原图收录。原配置为四个商业研究 Agent 各占八卡节点，合计约12000美元；超过本轮单 A100/A30资源，不启动探跑。成本过高，不复现（审查 DONE）。

复现边界¶

无研究自动化实现、benchmark分数或 GPU回执；不把资料链接宣称为 Evolve 集成。范围见本批验收合同。