MLE-World 用世界模型预判实验结果,省一半算力还能提升排名
sherryyangML · x · 2026-10-23
华盛顿大学、NYU 等机构的研究者发布 MLE-World:一个学习出来的「ML 研究世界模型」,让自动化研究 agent 在真正执行实验前先预测结果(终端输出、异常类型、验证指标),从而突破 AI 自动化 ML 研究中「每一步都要训练+评测」的昂贵瓶颈。
方法要点
- 预测器是微调的 Qwen3.5-4B,直接从代码与任务上下文预测执行反馈
- agent 用预测报告筛选、比较、改进候选程序;置信度门控决定何时才请求真实执行(如 0.80 阈值),最终提交仍用真实运行验证
- 支持多种采样/选择策略:Fusion、Sequential、BoN、UCB、Pairwise
效果(MLE-bench Lite 17 个任务)
- 平均排行榜百分位:45.4 → 54.1,比基线高 19%
- 每次试验真实执行时间:9.94 → 4.77 小时,不到原来一半(省 32-40% 真实执行)
论文、模型、数据、代码均已开源。作者称这是通往 RSI 的方向:让 agent 用预测探索更多想法,实现 test-time scaling。
所属事件:MLE-World 世界模型预判实验结果 省一半算力排名百分位升 19%(4 条相关)→
「编程与Agent」频道最新
- 「前端只是耗材」：个人 AI 代理时代，服务都该 Headless 化 — genmon · 2026-10-23
- Harness Scaling 论文:训练时换 harness,是 agentic RL 的新扩展维度 — omarsar0 · 2026-10-23
- Chrome DevTools 新增广告脚本追踪，Ads 面板可查 CPU 与流量占用 — gaganghotra_ · 2026-10-23
- 多模态智能体记忆综述发布:从静态检索到自进化,覆盖 297 个系统 — yizhu59 · 2026-10-23
- Claude Code 支持 MCP tasks:长调用变后台任务异步轮询 — dsp_ · 2026-10-23
- 把 PowerShell 脚本丢进文件夹就变成 MCP 工具 — dfinke · 2026-10-23