arXiv · cs.AI· Changye Li, Zijian Zhang, Muheng Li, Yiduo Pang, Tingjun Wu, Menghan Li, Yitong Liu, Hongkai Guo, Mengchi Chen, Chenyu He, Kaisheng Ma, Wei Xu, Song Han, Sihao Liu, Ligeng Zhu·· 5 小时前
Humanize MLE Agents：通过多智能体会话交替突破单智能体限制
Humanize MLE Agents: Multi-Agent Session Alternation Beyond Single-Agent Limits
arXiv:2610.13494v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Changye Li, Zijian Zhang, Muheng Li, Yiduo Pang, Tingjun Wu, Menghan Li, Yitong Liu, Hongkai Guo, Mengchi Chen, Chenyu He, Kaisheng Ma, Wei Xu, Song Han, Sihao Liu, Ligeng Zhu
研究任务与主要进展
作者提出Humanize MLE Agents（HMA），让两个智能体在共享工作区中交替工作，并在每次会话最多进行k个实验后重置上下文。基于论文摘要，HMA在MLE-bench的75个Kaggle任务上达到78.2%的Any-Medal率，较最强开源基线高8.0个百分点且仅使用其四分之一时间预算；六种配置平均提升6.4个百分点，另在核优化案例中达到878个周期，接近社区排行榜领先者。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org