研究团队于2026年10月15日在arXiv提交论文《MLExpert: Towards a Generalist Agentic Model for Autonomous Machine Learning Engineering》，介绍了一种面向自主机器学习工程的35B参数混合专家智能体模型。论文关注的不是单轮代码生成，而是让模型在较长任务周期内组织实验、编写和修改方案，并根据执行结果继续优化。论文原文
论文提出两部分训练机制：一是通过分层智能体监督微调，把通用工具调用和编程能力迁移到机器学习工程任务；二是“窗口化交互强化学习”（WIRL），将连续两次实验结果之间的多轮决策视为一个执行窗口，并用结果导向的奖励训练模型。研究团队还构建了Kaggle-MLE Factory，用于生成可执行任务，并配套交互框架记录模型的实验历史、工具调用和候选提交方案。
在论文报告的MLE-Bench Lite测试中，MLExpert的平均奖牌率为72.7%，其基础模型Qwen3.6-35B-A3B的对应结果为37.9%。论文称，MLExpert在同等规模模型中表现较高，并接近更大型前沿模型。不过，这些数字来自研究者自建或采用的评测流程，且论文仍是arXiv预印本，尚未经过同行评审；“接近前沿模型”的结论也受测试集、运行预算、工具框架和实验重复性影响，不能直接等同于模型已经能够独立完成真实生产环境中的机器学习项目。
这项工作的意义在于，机器学习智能体的竞争重点可能从“能否写出一段可运行代码”，转向“能否持续提出实验假设、控制计算成本、解释失败原因并保留有效方案”。但其实际价值仍取决于任务覆盖范围、数据和算力预算、实验过程的可审计性，以及模型是否会在长期搜索中反复试错或过度利用评测规则。对企业而言，短期更适合把这类模型视为实验自动化工具，而不是无需人工监督的研发替代者。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
