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%。
评估智能体端到端完成机器学习工程任务的基准,以竞赛奖牌率衡量表现
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%。