// 01 ML‑Master 是什么
什么是ML‑Master
ML‑Master 是由上海交通大学人工智能学院 Agents 团队在 2025 年发布的一款 AI‑for‑AI（AI 自主发展）智能体，目标通过“探索–推理”深度结合机制，实现 AI 系统对自身进行持续演进。该系统通过构建自适应记忆，将探索产生的经验纳入推理过程，形成“探索→推理→优化→再探索”的闭环体系。
在 OpenAI MLE‑Bench 基准测试中，ML‑Master 获得 29.3% 的平均奖牌率，显著优于此前的 SOTA 方法，尤其在中等复杂度任务上实现超越，奖牌率达到 20.2%。
背景与目标定位
随着 AI 系统向“自主研发 AI”方向进化，传统 LLM Agent 多为流程驱动，难以充分纳入探索经验，往往导致“试错信息丢失”或推理无法借力历史经验 。
上海交大团队提出 ML‑Master，通过平衡探索与推理模块协作，以及自适应记忆机制，实现将历史探索经验系统性注入推理中，并将推理结论反馈探索，实现 AI 自我进化。
核心技术与架构解析
平衡多轨迹探索（Balanced Multi‑Trajectory Exploration）
类似 Monte Carlo Tree Search 构建多路径探索树，同时并行搜索多个可能解决路径；
系统按照潜力与覆盖度为各路径分配资源，防止陷入局部最优。
可控推理（Steerable Reasoning）
深度语言模型（如 DeepSeek‑R1 或其他 LLM）在推理模块中接入自适应记忆，形成条件推理；
模型非盲推理，而是以探索经验为基础构建分析逻辑，从而降低幻觉与误判风险。
自适应记忆机制（Adaptive Memory）
自动收集执行反馈、代码片段、性能指标等探索信息；
结合父节点和兄弟路径重要信息，对记忆进行过滤与精简；
将记忆注入到下次推理中，从而构成动态经验库。
实验评测与性能表现
OpenAI MLE‑Bench 基准测试
平均奖牌率：29.3％，领先如 R&D‑Agent（22.4%）、AIDE（16.9%）等；
中等任务奖牌：20.2%，超过此前 9.0% 的 SOTA 方法两倍以上；
时间成本：仅用 12 小时完成基准测试评估，相比其他方法节约 50% 运行成本。
这些结果体现了 ML‑Master 在效率与质量上的全面领先。
技术创新亮点
1.探索与推理深度融合：非线性分割流程，而是闭环协同，效能提升显著。
2.自适应记忆机制：长期记忆替代单次输入，推理更具历史深度。
3.动态资源分配策略：并行路径探索机制突破效率瓶颈。
4.高效实用性：在有限时间内完成复杂任务，适合工业场景。
架构流程与用户接入建议
克隆项目并安装依赖：github.com/sjtu‑sai‑agents/ML‑Master；
配置环境：预训练模型、推理引擎等；
设置多轨迹探索参数：包括最大路径数、预算限制；
选择推理模型与记忆策略；
运行 MLE‑Bench 或自定义任务；
收集执行结果并构建记忆，可迭代优化。
支持部署于本地服务器或云端，通过项目主页可获取后续评测和工具集。
应用场景与适用用户
自动化 ML 系统研发：替代人工在模型训练、特征工程、调参等环节中的重复劳动；
AI 工具研制：构建 AI4AI 驱动系统，用于自动代码生成与 Pipeline 优化；
研究演示平台：高校与实验室可用于 AI 代理、记忆机制、探索策略教学；
工业自动调优：节约人工成本，同时提升系统稳定性。
优势与改进方向
| 维度 | 优势 | 需改进方向 |
|---|---|---|
| 效率与质量 | 并行探索 + 猜测记忆机制 实现高奖牌率 | 推理计算成本仍较高 |
| 自主演进 | 闭环机制令系统迭代能力持续增强 | 长期实验中记忆冗余问题 |
| 开源生态 | 项目积极推进代码与文档更新 | 尚无 GUI 工具或可视化界面 |
| 部署复杂度 | 支持多机并行 | 对硬件环境与依赖配置敏感 |
