🎯 情报来源：机器之心
上海交通大学与上海人工智能实验室联合团队提出了一种名为 ML-Agent 的自主机器学习智能体，该智能体仅依赖 7B 参数规模的大模型，通过“经验学习”新范式，在9个机器学习任务上持续进化，最终性能超越了由 671B 参数驱动的 Deepseek-R1 智能体。这一成果首次实现了从“提示工程”到“经验学习”的范式跃迁，为 AI-for-AI（AI4AI）领域开辟了全新路径。
核心要点：
- ML-Agent 在仅训练 9 个任务后，便在所有 10 个未见过的任务中超越了 671B 参数规模的 Deepseek-R1 智能体。
- 研究提出了三大核心技术突破：探索增强微调、逐步强化学习范式和定制化奖励模块。
- ML-Agent 的训练框架显著提升了泛化能力与迭代效率，为构建通用人工智能（AGI）提供了新思路。
📌 情报分析
技术价值：极高
ML-Agent 通过“经验学习”范式大幅减少了对人工干预的依赖，其探索增强微调和逐步强化学习等创新技术显著提升了智能体的泛化能力和训练效率。
商业价值：高
自主机器学习智能体能够加速 AI 算法开发周期，降低研发成本，有望广泛应用于需要高效模型优化的企业场景，如金融、医疗和自动驾驶等领域。
趋势预测：
随着 ML-Agent 的开源与 MASWorks 社区的推动，预计未来 3-6 个月内将涌现更多基于经验学习的自主机器学习项目，进一步推动 AI4AI 领域的技术生态发展。