# AI 训练 AI：一次公开实验把自我改进的闭环走到了哪一步

> 原标题：AI Trains AI：一次公开实验如何校准自我改进的故事

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-07-15T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/44664
- 原文：https://yage.ai/share/ai-trains-ai-self-improvement-20260715.html

## 摘要

Dan Austin 开源了一个完整的 AI 训练 AI 实验。外层用 Qwen3.6 智能体设计后训练方案，内层用 Qwen3-0.6B 或 1.7B 模型在 GPU 上真跑训练，隐藏评分再作为奖励反馈给外层。54 步下来，智能体先学会少交无效作业，然后把 1.7B 模型的使用比例从 42% 拉到了 95%，并开始主动调整温度、优化器等超参数。

## 推荐理由

Dan Austin 开源了一套 AI 训练 AI 的完整实验流程，外层智能体设计后训练方案，内层小模型在 GPU 上真跑训练，54 步里把 1.7B 模型使用比例从 42% 拉到 95%。

## 锐评

54 步把 1.7B 的使用比例从 42% 拉到 95%，这个数字比自我改进的叙事有意思。外层 agent 很快摸清小模型跑出来的方案性价比更高，自己就往那边偏，调温度、调优化器，省的是算力。所以这实验能落地的地方在训练成本，跟模型能力关系不大。做训练自动化的可以看看它的奖励设计，隐藏评分当反馈这一手挺关键。至于超越人类调参，绝对分数还没放出来，先当流程 demo 看。
