跳到正文
RadarAI· X:Rohan Paul (@rohanpaul_ai)·· 23 小时前AI 评分58

Google 与 Johns Hopkins 论文提出 Pro² Agent,用问题状态追踪提升 MLE-Bench 成绩

Google 与 Johns Hopkins 论文:Pro² Agent 用问题状态追踪提升 MLE-Bench 成绩

AI 导读

Google 与 Johns Hopkins 的论文提出 Pro² Agent,让 AI 研究智能体先构建显式 Problem State,记录疑似瓶颈、文献候选修复和置信度,再通过单变量实验更新信念,而不是只循环改代码保留最高分。

正文 · AI 翻译

Rohan Paul· @rohanpaul_ai · X·2026-11-21 03:49· 37 分钟前AI 评分53

AI 导读

Google 与 Johns Hopkins 的论文 Pro² Agent 提出,让 AI 研究智能体先构建显式 Problem State,记录疑似瓶颈、文献候选修复和置信度,再通过单变量实验更新信念,而不是只循环改代码保留最高分。

正文 · 原文

Google 与 Johns Hopkins 的新论文表明,AI 研究智能体在追踪是什么限制了性能、而不只是追踪哪段代码得分最高时,表现会更好。

从事机器学习研究的智能体通常围绕代码循环:修改代码、评分、保留最优版本。在困难任务上,它们可能陷入反复微调一个核心就有问题的方案。

Pro2 Agent 首先构建一个“Problem State”:它怀疑的瓶颈、来自文献的候选修复方案,以及对每一项的置信度。然后它运行单变量实验,在提交更改之前更新这些信念。

在全部 75 个 MLE-Bench 任务上,它用 48 小时达到了 76.0% 的奖牌率,为已报告的最高值,编码使用 Gemini 3.5 Flash。在 MLE-Bench Lite 上,它的首个方案已在 57.6% 的任务上获得奖牌,而 MARS 为 28.8%。

如果你构建研究智能体,让它们写下并更新阻碍进展的因素,并且每次实验只测试 1 项更改。

来源:Rohan Paul · x.com

来源:RadarAI · aihot.news