MLE-World 模型预测 ML 实验结果
热点事件持续更新
MLE-World 模型预测 ML 实验结果
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Brian Ko 等人基于 Qwen3.5-4B 微调发布 MLE-World。该世界模型无需实际运行代码，仅依据代码与数据描述即可预测机器学习程序的终端输出，涵盖报错、训练日志及验证分数，并输出预测置信度。 评测显示，在 MLE-bench Lite 的 17 个任务中，该模型对未参与训练的程序的终端输出匹配率达 77.9%。配合 test time scaling 策略，在减少实际执行次数的情况下，平均性能最高可提升 22.1%。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
MLE-World：通过学习型世界模型预测机器学习实验结果报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · AIMLE-World：通过学习型世界模型预测机器学习实验结果
MLE-World 是基于 Qwen3.5-4B 微调的世界模型，能从代码和数据描述直接预测 ML 程序的终端输出（报错、训练日志、验证分数）而不实际运行。 在 MLE-bench Lite 的 17 个任务上，MLE-World 对未参与训练程序的终端输出匹配率达 77.9%；其引导的 test time scaling 策略在更少实际执行次数下，平均性能最高提升 22.1%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。