提出HMA多智能体会话交替方法登顶MLE-bench

Changye Li 等论文作者发布论文（arXiv:2610.13494），提出多智能体会话交替框架 Humanize MLE Agents（HMA）：两个智能体在共享工作区中交替工作，每次会话最多进行k个实验后重置上下文，以突破单智能体的限制。 基于论文摘要，在 MLE-bench 的 75 个 Kaggle 任务上，HMA 达到 78.2% 的 Any-Medal 率，称超过最强开源基线 8.0 个百分点且仅使用其四分之一的时间预算；在覆盖五组异构智能体对的六种配置中，相对组成基线平均提升 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。上述结果为作者报告，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。