MLE-World无需运行即可预测机器学习实验结果
AI 总结
MLE-World是一款基于Qwen3.5-4B微调的世界模型，无需实际执行程序，即可预测错误追踪、训练日志和验证分数等机器学习任务的最终输出，并同时给出置信度分数。论文称，在17个MLE-bench Lite任务上，该模型对留出程序真实输出的匹配率为77.9%，而参数量更大的提示模型为41.1%。由MLE-World引导的五种测试时扩展策略，在减少真实执行的同时，相比不使用世界模型的智能体取得了最高22.1%的观测平均性能提升。
深度见解
论文表明，学习型预测器可用一次推理调用替代训练运行来估算机器学习程序结果，为智能体扩大候选探索范围并控制实际执行提供了具体方法。
Computer Science > Machine Learning
arXiv:2610.37175 (cs)
[Submitted on 27 Oct 2026]
Title:MLE-World: Predicting Machine Learning Experiment Outcomes with a Learned World Model
Authors:Brian Ko, Han Wang, Hejia Geng, Li Erran Li, Sherry Yang
View a PDF of the paper titled MLE-World: Predicting Machine Learning Experiment Outcomes with a Learned World Model, by Brian Ko and 4 other authors