上海交通大学与上海人工智能实验室联合团队取得重大突破，通过“经验学习”新范式，用仅7B参数的AI智能体（ML-Agent）在9个机器学习任务上实现迭代进化，设计出超越671B Deepseek-R1驱动智能体所设计的AI模型，开创AI4AI新路径，且该智能体在性能上展现诸多优势，还与相关开源社区活动紧密相连。
传统自主机器学习的困境与AI4AI的兴起
当前AI开发严重依赖人类专家手动实验与反复调参，这种以人为中心的方式制约创新速度与通向通用人工智能（AGI）的进程。传统机器学习工程繁琐低效，研究人员常需数天至数月进行模型设计、参数调优等操作，限制AI创新发展。基于大语言模型（LLM）的智能体虽带来变革，能实现自主机器学习，但仍高度依赖人工设计的提示词，存在“等待 - 修改 - 重试”的低效循环，难以摆脱人力依赖与效率瓶颈。为突破限制，AI-for-AI（AI4AI）应运而生，旨在让AI智能体自主设计、优化和改进AI算法，减少人类干预，加速迭代开发周期。
联合团队的创新突破：从指令遵循到自我进化
上海交通大学与上海人工智能实验室联合团队为解决上述关键限制，首次探索基于学习的智能体自主机器学习范式，让智能体通过在线强化学习从机器学习任务执行轨迹中学习，主动探索策略，跨任务积累知识，逐步优化决策，从自身经验中学习并提升设计优化AI的能力。基于此，研究人员训练出由7B规模Qwen2.5大模型驱动的自主机器学习智能体ML-Agent，其在9个机器学习任务上反复学习后，不仅超越671B规模的DeepSeek-R1智能体，还展现出卓越的跨任务泛化能力，标志着AI智能体从“工具执行者”向“自主学习者”转变，带来“AI自主设计AI”新范式。
解锁AI自进化的三大核心突破
研究团队提出全新训练框架，攻克自主机器学习三大难题。其一，针对传统自主机器学习智能体创新受限问题，采用探索增强微调，通过多样化专家轨迹数据集训练智能体尝试不同策略，拓宽探索范围，增强策略生成能力；其二，针对传统RL方法在机器学习实验中采样效率低下问题，采用逐步强化学习范式，重构训练目标函数，每次只优化单步动作，提升数据收集效率，缩短训练时间；其三，针对实验反馈复杂难以统一问题，设计机器学习定制化奖励模块，将多样执行结果转换为统一反馈，为RL优化提供有效奖励信号，推动智能体持续迭代改进。
ML-Agent的卓越性能表现
研究团队对ML-Agent开展广泛实验评估其性能。与5个强大的开源/闭源LLM驱动的智能体比较，ML-Agent在见过/未见过的机器学习任务中的平均和最好性能均最高，在所有10个未见过的机器学习任务上超过671B的Deepseek-R1驱动的自主机器学习智能体，展现强大泛化能力。与专门为自主机器学习设计的LLM智能体AIDE比较，ML-Agent总体更优，凸显训练框架有效性。随着训练进行，ML-Agent不断自我探索学习，在训练过/未经训练过的机器学习任务上性能持续提升，最终超越所有基线方法。
ML-Agent与MASWorks开源社区及相关活动
ML-Agent是刚发起的大模型多智能体开源社区MASWorks的一部分。MASWorks社区致力于连接全球研究者，打造开放、协作平台推动多智能体系统领域发展。作为社区启动重磅活动，MASWorks将在ICML 2025举办聚焦大语言模型多智能体的Workshop：MAS-2025，期待全球学者参与探讨，描绘该领域未来蓝图。
以上文章由 AI 总结生成