OpenMLE 开源机器学习工程递归自我改进全栈系统
OpenMLE 开源机器学习工程自我改进系统,训出350亿参数智能体,在 MLE-Bench Lite 上分数大幅超过 GPT-5.5
AI 深度解读
OpenMLE 开源了一套面向机器学习工程的递归自我改进全栈系统,并用它后训练出参数量 35B 的元进化智能体 Frontis-MA1,在 MLE-Bench Lite 上的成绩显著跑赢了包括 GPT-5.5 with Codex 在内的对比对象。
- 递归自我改进意味着系统不只是执行既定的机器学习工程任务,还能对自身的方法策略进行迭代优化,是当前智能体研究里的热门方向
- 在 MLE-Bench Lite 上,Medal Average 指标从 39.39% 提升到 60.61%,是相当大幅度的跃升
- 叠加异步搜索和经验先验后,成绩进一步提升到 71.21%,说明搜索策略和历史经验积累对最终效果有实打实的加成,而不只是模型底座的功劳
- 结果显示其表现超过 GPT-5.5 with Codex,而且整套系统是开源的,意味着这类自我改进机器学习工程智能体的能力门槛正被公开复现和拉低
- 开源加上超越闭源对比基准的成绩,可能会加速自动化机器学习工程智能体这条赛道的开源生态形成,值得关注后续是否有更多团队在此基础上复现或改进。
本内容由 AI 生成，仅供参考，请注意甄别