← 목록으로
AI·소프트웨어연구 결과

MLExpert: 긴 머신러닝 실험에서 중간 결과를 학습하는 에이전트

원문 발행 2026.10.16 02:56 KST블랙덱 추가 2026.10.18 03:10 KST
요약에 참고한 원문

무엇이 새로워졌나요?

긴 머신러닝 실험에서 실험 결과 사이의 결정들을 묶어 학습하는 WIRL 방법을 제안했습니다.

핵심 내용

  1. MLExpert는 머신러닝 실험을 스스로 구성하고 개선하도록 사후 학습한 350억 매개변수 MoE 에이전트 모델입니다.
  2. 연구진은 연속된 실험 결과 사이의 결정을 하나의 구간으로 묶고 결과에 따른 보상을 공유하는 WIRL 학습 방법을 제안했습니다.
  3. 초록에 따르면 MLE-Bench Lite에서 기반 모델의 평균 메달 획득률이 37.9%에서 72.7%로 높아졌습니다.

내 일에 연결해 보면

여러 차례 실험을 수행하는 에이전트를 만든다면 중간 결과를 다음 학습에 어떻게 반영하는지 참고할 연구입니다. 성능 수치는 연구진이 해당 벤치마크에서 보고한 결과로 읽어야 합니다.

아직 확인해야 할 점

메달 획득률은 연구진의 MLE-Bench Lite 평가 결과이며 다른 데이터와 운영 비용 조건에서 재현을 확인해야 합니다.

요약에 참고한 원문

아래 링크는 원문 사이트의 새 창으로 열립니다.

  1. arXiv · authors' researchMLExpert: Towards a Generalist Agentic Model for Autonomous Machine Learning Engineering