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
무엇이 새로워졌나요?
긴 머신러닝 실험에서 실험 결과 사이의 결정들을 묶어 학습하는 WIRL 방법을 제안했습니다.
핵심 내용
- MLExpert는 머신러닝 실험을 스스로 구성하고 개선하도록 사후 학습한 350억 매개변수 MoE 에이전트 모델입니다.
- 연구진은 연속된 실험 결과 사이의 결정을 하나의 구간으로 묶고 결과에 따른 보상을 공유하는 WIRL 학습 방법을 제안했습니다.
- 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.