AIRA₂ 研究智能体登顶 MLE-bench，胜率 81.5% 超人类

Martin Josifoski 团队发布下一代 AI 研究智能体 AIRA₂，针对规模化关键瓶颈进行系统改进，在真实 ML 任务基准 MLE-bench-30 上取得 81.5% 的胜率，刷新 SoTA 并超过 72.7% 的人类基线。围绕论文的讨论中，作者澄清「验证集过拟合」指超参优化后用验证集做模型选择而非直接训练，并引用消融实验说明这种做法影响有限。

2026-09-25 ~ 2026-09-25 · 2 条相关

• AIRA₂ 研究智能体登顶 MLE-bench,81.5% 胜人类基线 72.7% — mariofilhoml · 2026-09-25
• 验证集过拟合其实不算大事:AIRA₂ 论文消融给出实证 — mariofilhoml · 2026-09-25