基准
MLE-Bench Lite
机器学习工程能力的评估基准，基于Kaggle竞赛任务构建，通过奖牌率衡量模型自主完成MLE实验的能力
时间轴 (近 90 天)
10月16日
MLExpert在MLE-Bench Lite上把基础模型的平均奖牌率从37.9%提升到72.7%。
待验证50%
10月9日
论文在MLE-Bench Lite的五项竞赛任务上评估Qwen3.6-27B，在文字冒险游戏Zork I（Jericho框架）上评估Qwen3-4B
待验证50%
10月9日
在MLE-Bench上RL相比未经训练的环境改造方案没有带来任务性能提升
待验证50%