#ProgramSelectBench

这篇论文回答了一个很实际的问题：标注数据不够时，MLE 智能体还能不能自动搭好训练流程。结果显示智能体在多数设定下能超过人工基线，但选哪个程序是个大坑，最多掉 47% 性能。做自动化机器学习或数据稀缺场景的工程团队值得看看。