精选理由
MLEvolve 解决了现有 MLE 智能体在长周期任务中信息隔离、无记忆搜索和缺乏分层控制的问题，做自动化机器学习算法发现的团队可以直接用它来加速实验迭代，值得关注。
MLEvolve 是一个基于大语言模型的自进化多智能体框架，用于端到端的机器学习算法自动发现。它通过 Progressive MCGS 扩展树搜索，利用图参考边实现跨分支信息流动，并采用熵驱动的渐进调度从广泛探索转向聚焦利用。引入的 Retrospective Memory 结合冷启动领域知识库和动态全局记忆，支持任务特定经验的检索与复用。在 MLE-Bench 评估中，MLEvolve 在 12 小时预算（标准运行时的一半）下，平均奖牌率和有效提交率等多个维度达到最先进水平，并在数学算法优化任务上超越 AlphaEvolve 等专门方法。
AI 翻译 · 中文
MLEvolve 是一个基于大语言模型的自进化多智能体框架，用于端到端的机器学习算法自动发现。它通过 Progressive MCGS 扩展树搜索，利用图参考边实现跨分支信息流动，并采用熵驱动的渐进调度从广泛探索转向聚焦利用。引入的 Retrospective Memory 结合冷启动领域知识库和动态全局记忆，支持任务特定经验的检索与复用。在 MLE-Bench 评估中，MLEvolve 在 12 小时预算（标准运行时的一半）下，平均奖牌率和有效提交率等多个维度达到最先进水平，并在数学算法优化任务上超越 AlphaEvolve 等专门方法。
Large language model (LLM) agents are increasingly applied to long-horizon tasks such as scientific discovery and machine learning engineering (MLE), where sustained self-evolution becomes a key capability. However, exis…