微调世界模型可预测程序输出，替代部分真实训练执行。
资讯摘要
论文提出 MLE-World，一个由 Qwen3.5-4B 微调得到的世界模型，可在不执行代码的情况下，根据程序代码与数据描述预测其终端输出（错误轨迹、训练日志、验证分数），并给出预测正确性的置信度。作者据此构建五种测试时扩展策略，在 17 个 MLE-bench Lite 任务上，MLE-World 对留出程序的终端输出预测一致率为 77.9%，引导的 TTS 相比无世界模型的智能体最高提升 22.1% 的观测平均性能，且实际执行更少。
要点速读
- MLE-World 由 Qwen3.5-4B 微调，预测程序终端输出并附带置信度分数。
- 在 17 个 MLE-bench Lite 任务上，留出程序终端输出一致率为 77.9%，对比更大提示模型的 41.1%。
- 作者报告其引导的 TTS 策略最高提升 22.1% 观测平均性能，并减少真实执行。
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 2026/10/29 08:00:21（北京时间）。