Rohan Paul (@rohanpaul_ai)T2·智能体与协同
78 分
谷歌与约翰霍普金斯大学联合提出 Pro2 Agent,让 ML 科研智能体先构建“问题状态”,记录疑似瓶颈、候选修复方案及置信度,再通过单变量实验逐步更新判断,而非盲目循环改代码。在全部 75 个 MLE-Bench 任务上,其 48 小时奖牌率达 76.0%,为已报告最高水平;MLE-Bench Lite 上首个方案即达 57.6%,远超 MARS 的 28.8%。
Johns Hopkins University
美国顶尖研究型大学,本研究发布方,聚焦电网设备供应链与可持续性分析
谷歌与约翰霍普金斯大学联合提出 Pro2 Agent,让 ML 科研智能体先构建“问题状态”,记录疑似瓶颈、候选修复方案及置信度,再通过单变量实验逐步更新判断,而非盲目循环改代码。在全部 75 个 MLE-Bench 任务上,其 48 小时奖牌率达 76.0%,为已报告最高水平;MLE-Bench Lite 上首个方案即达 57.6%,远超 MARS 的 28.8%。
约翰斯·霍普金斯大学在《Cell Reports Sustainability》发表研究指出,受 AI 数据中心、电动汽车与电气化推动,美国用电量到 2030 年将增长 21%,铜、钢、镍等关键材料最早 2027 年出现短缺,变压器供应缺口未来四年接近 15%,其他关键电网设备缺口达 30%。数据中心预计占设备缺口的三分之二,将直接制约新建电厂与数据中心并网,推高电费并加剧停电风险。