在近期的一项研究中,OpenAI研究团队推出了名为 MLE-bench 的全新基准测试,旨在评估AI智能体在机器学习工程方面的表现。
这项研究特别关注75个来自 Kaggle 的机器学习工程相关竞赛,旨在测试代理在现实世界中所需的多种技能,包括模型训练、数据集准备和实验运行等。
为了更好地进行评估,研究团队使用了 Kaggle 公开排行榜的基础数据,确立了每个竞赛的人类基准。在实验中,他们利用开源的智能体架构,对几种前沿语言模型进行了测试。结果显示,最佳表现的配置 ——OpenAI 的 o1-preview 与 AIDE 架构结合使用 —— 在16.9% 的竞赛中,达到了 Kaggle 铜牌的水平。
不仅如此,研究团队还对 AI 智能体的资源扩展形式进行了深入探讨,并研究了预训练对结果的污染影响。他们强调,这些研究结果为今后进一步理解 AI 智能体在机器学习工程方面的能力提供了基础。为了促进未来的研究,团队还将基准测试的代码进行了开源,供其他研究人员使用。
这项研究的推出,标志着机器学习领域的一次重要进展,特别是在如何评估和提升 AI 智能体的工程能力方面。科学家们希望,通过 MLE-bench,可以为 AI 技术的发展提供更科学的评估标准和实践依据。
文章内容仅供阅读,不构成投资建议,请谨慎对待。投资者据此操作,风险自担。
近日,中国家电及消费电子博览会(AWE 2024)隆重开幕。全球领先的智能终端企业TCL实业携多款创新技术和新品亮相,以敢为精神勇闯技术无人区,斩获四项AWE 2024艾普兰大奖。
“以前都要去窗口办,一套流程下来都要半个月了,现在方便多了!”打开“重庆公积金”微信小程序,按照提示流程提交相关材料,仅几秒钟,重庆市民曾某的账户就打进了21600元。
由世界人工智能大会组委会、上海市经信委、徐汇区政府、临港新片区管委会共同指导,由上海市人工智能行业协会联合上海人工智能实验室、上海临港经济发展(集团)有限公司、开放原子开源基金会主办的“2024全球开发者先锋大会”,将于2024年3月23日至24日举办。