概要
凍結された小型モデル（14B）を、計画探索、幾何学的スコアリング、自己検証型コード修正という推論時インフラで包むことで、単一GPUでフロンティアモデルに匹敵する性能を引き出すオープンソースプロジェクト。
詳細内容
ATLAS (Adaptive Test-time Learning and Autonomous Specialization) は、追加学習なしに小型モデルの性能を最大化するフレームワークです。最新のV3アップデートでは、Qwen3-14Bモデルを使用し、LiveCodeBenchで74.6%という高いpass@1-v(k=3)スコアを達成しました。これはClaude 4 Sonnetを上回り、GPT-5（推定値）に迫る数値です。
主な技術的構成要素は以下の3フェーズです：
1. **生成フェーズ**: PlanSearchによる多様な計画立案と、Budget Forcingによる思考トークンの制御。
2. **スコアリング**: 5120次元の自己埋め込みベクトルを用いたGeometric Lensにより、複数の候補から最良の解を選択。
3. **修復フェーズ**: 実行に失敗したコードに対し、モデル自身がテストケースを生成してPR-CoT（複数視点CoT）で反復的に自己修正を行います。
特筆すべきは、これら全てのプロセスがRTX 5060 Ti（16GB）のような一般消費者向けGPU1枚で、完全ローカルかつプライベートに完結する点です。レイテンシを計算コストに変換することで、API経由の巨大モデルに頼らずに高度な推論を可能にしています。