AIRA₂ 研究智能体登顶 MLE-bench,81.5% 胜人类基线 72.7%
mariofilhoml · x · 2026-09-25
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做了系统改进:
- 在真实 ML 任务 MLE-bench-30 上取得 SoTA 81.5%,超过此前 72.7%;
- 在 AIRS-Bench 的 20 个多样化 AI 研究任务中有 6 个超越人类 SoTA,另「攻破」了 5 个;
- 展现出强且可预测的 scaling 特性,团队强调推动 AI 研究前沿需要可扩展的系统,并把瓶颈与解决经验用于下一版迭代。
转发者 mariofilhoml 特别推荐细读论文的 "Closing the Generalization Gap" 章节,并指出消融实验说明「验证集过拟合」在实践中通常不是大问题——他澄清指的是用验证集做超参优化后的模型选择,而非直接在验证集上训练。
所属事件:AIRA₂ 研究智能体登顶 MLE-bench，胜率 81.5% 超人类(2 条相关)→
「模型」频道最新
- 深度用两天后独立开发者从 20 美金档升回 Gemini Ultra 200 美金 — yihui_indie · 2026-11-11
- DeepMind 称 Gemini 智能体 4 周完成 Signal 加密协议数学验证 — Polymarket · 2026-11-11
- 爆料：Google 新模型阵容曝光，含 Flash 迭代与视频模型 — koltregaskes · 2026-11-11
- 爆料:OpenAI Astra 6.2 或将临近,已现于 Codex 日志与谷歌云配额 — haider1 · 2026-11-11
- 同一段提示词实测：Fable 5.2 花时 3 倍费用 2 倍，换来导演级表达 — iamfakhrealam · 2026-11-11
- Krafton 开源 1.5B 端侧模型 Raon-1 nano,多项基准超同尺寸对手 — DimitrisPapail · 2026-11-11