MLExpert
一个35B混合专家（MoE）智能体模型，通过后训练方法针对自主长周期机器学习工程优化，能够自主编排实验流程、修改代码并根据执行反馈调整优化策略
时间轴 (近 90 天)
MLExpert 采用分层智能体监督微调将编程能力迁移到 MLE 任务，并用窗口化交互强化学习将多轮决策视为带共享奖励的执行窗口。
MLExpert是一个350亿参数的混合专家（MoE）智能体模型，采用分层智能体监督微调（SFT）结合窗口化交互强化学习。
MLExpert学到的优化能力可泛化到NatureBench Lite和算法优化任务上。
WIRL（Windowed Interaction RL，窗口化交互强化学习）把两次实验结果之间的多轮决策视为一个‘执行窗口’，并给这个窗口分配一个共享的、基于结果的奖励。
论文《MLExpert: Towards a Generalist Agentic Model for Autonomous Machine Learning Engineering》提出了一种针对自主长周期MLE优化的后训练方法，并训练出一个35B的混合专家（MoE）智能体模型MLExpert。
论文报告了MLExpert在NatureBench Lite、智能体脚手架优化和算法优化上的提升，表明模型学到的是一种可迁移的优化能力。
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%。
MLExpert在MLE-Bench Lite上的表现接近Kimi-K3、GLM-5.3等更大规模的前沿模型。
全部知识事实 (8)
MLExpert是一个350亿参数的混合专家（MoE）智能体模型，采用分层智能体监督微调（SFT）结合窗口化交互强化学习。
60%待验证MLExpert 采用分层智能体监督微调将编程能力迁移到 MLE 任务，并用窗口化交互强化学习将多轮决策视为带共享奖励的执行窗口。
50%待验证MLExpert学到的优化能力可泛化到NatureBench Lite和算法优化任务上。
50%待验证WIRL（Windowed Interaction RL，窗口化交互强化学习）把两次实验结果之间的多轮决策视为一个‘执行窗口’，并给这个窗口分配一个共享的、基于结果的奖励。
50%待验证论文《MLExpert: Towards a Generalist Agentic Model for Autonomous Machine Learning Engineering》提出了一种针对自主长周期MLE优化的后训练方法，并训练出一个35B的混合专家（MoE）智能体模型MLExpert。
50%待验证论文报告了MLExpert在NatureBench Lite、智能体脚手架优化和算法优化上的提升，表明模型学到的是一种可迁移的优化能力。
50%待验证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%。
50%待验证MLExpert在MLE-Bench Lite上的表现接近Kimi-K3、GLM-5.3等更大规模的前沿模型。
50%