MLEvolve：面向自动机器学习算法发现的自进化框架

MLEvolve 以自进化多智能体框架在 MLE-Bench 报告最优表现。

资讯摘要

论文提出 MLEvolve，一个基于大语言模型的自进化多智能体框架，用于端到端机器学习算法发现。它通过 Progressive MCGS 扩展树搜索，借助图结构参考边实现跨分支信息流动，并用熵启发的渐进调度让搜索从广泛探索转向集中利用；同时引入结合冷启动知识库与动态全局记忆的 Retrospective Memory，并将策略规划与代码生成解耦。作者报告在 MLE-Bench 上于 12 小时预算内取得平均奖牌率与有效提交率等维度的最优表现，并在数学算法优化任务上超过 AlphaEvolve。

要点速读

1. 论文提出 MLEvolve 自进化多智能体框架，用 Progressive MCGS 扩展树搜索，支持跨分支信息流动与渐进式探索到利用切换。
2. 引入 Retrospective Memory，结合冷启动领域知识库与动态全局记忆，用于任务经验检索和复用。
3. 作者报告在 MLE-Bench 的 12 小时预算下，平均奖牌率与有效提交率等维度达到最优，并在数学算法优化任务上超过 AlphaEvolve。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。