Meta A-MLE 论文详解:39 人团队用 Agent 攻克 ML 迭代瓶颈
rohanpaul_ai · x · 2026-09-22
这是 Meta A-MLE(Agentic ML Exploration)框架的论文原文信息(arXiv:2609.08248),Erwin Gao 等 39 位作者署名。
论文核心论点:现代工业广告排序系统的瓶颈已不在模型容量或训练算力,而在「人类 ML 迭代吞吐」——研究、实现、训练、调试、评估、上线的一整轮循环,每轮需资深工程师数天到数周。排序栈包含大量数据、架构、基础设施各异的模型,有效技术难以在模型间扩散,大量可恢复的信号被闲置。
A-MLE 把 ML 迭代分解为五个阶段并统一编排:假设生成、探索策略、实验执行、结果分析、共享知识底座,用自主 LLM Agent 系统性地在整个排序模型组合上探索 ML 技术。
所属事件:Meta 开源 A-MLE 框架,用 LLM Agent 自动化广告排序实验(2 条相关)→
「编程与Agent」频道最新
- 团队实战复盘:开发 eval harness 踩过的 53 个坑 — DrDatta_AIIMS · 2026-09-22
- atuin 18.23 发布:shell 历史现在能记住命令输出 — aronchick · 2026-09-22
- 开发者开源 Google ADK 编程智能体技能集,覆盖部署与护栏实践 — Difficult_Design6676 · 2026-09-22
- 优化 Claude Code harness 一周,Max 20x 用量质量不减还富余 9 小时 — carlito_17 · 2026-09-22
- OpenAI 展示外科医生用 Codex 自建工具并检索 PubMed 文献 — OpenAIDevs · 2026-09-22
- 语义检索≠相关性:个人 Agent 记忆系统要拆开看的四层 — sujingshen · 2026-09-22