automated-ml

Omar分享了Jeff Dean的推介文稿，重点介绍了科学与工程领域的开放问题，指出人工智能用于科学才刚刚起步，而dair_ai正在这一领域进行建设。

本文介绍了OPTScientist，一个理论引导的多智能体框架，它利用领域特定语言和闭环实验自动发现带类型的优化器程序。该框架发现了RS-MR，一种精简状态矩阵优化器，能够在强基线上改进Transformer预训练。

本文探讨了通用编码智能体（Claude Code、Codex等）能否自动完成数据筛选循环，在10次迭代内达到已发表基准水平，但揭示了探索新方法方面的差距。一种强制智能体适配先前研究的脚手架策略，能以十分之一的数据量产出优于基准的策略。

一项新基准 FML-Bench 揭示，近期 MLE-Bench 分数的提升主要归因于更好的基础模型和增加的搜索预算，而非算法进步。

Adaption 推出 AutoScientist，一款自动化微调的 AI 工具，帮助模型快速学习能力，旨在降低前沿 AI 训练的门槛。

最新研究论文提出了一种名为ASI-Arch的自主AI系统。该系统无需依赖人工预设的搜索空间，即可自动探索并发现全新的神经网络架构。通过执行数千次自动化实验，AI成功生成了100多个性能领先的新型线性注意力模型，这标志着人工智能正迈向由AI主导的科研协作新阶段。