近日，在 OpenAI 發(fā)布的機器學(xué)習(xí)工程師基準(zhǔn)測試（MLE-bench）中，一個名為 AIBuildAI 的智能體系統(tǒng)以 63.11% 的整體得分穩(wěn)居第一。

AIBuildAI 是一個可以自動構(gòu)建 AI 模型的 AI 智能體。這意味著，你只需給它一個自然語言任務(wù)描述和數(shù)據(jù)文件夾，它就能在一天內(nèi)獨立完成模型設(shè)計、代碼生成、模型訓(xùn)練、超參數(shù)調(diào)優(yōu)、性能評估，并持續(xù)迭代改進模型性能。

（來源：受訪者提供）

這個“AI 工程師”背后的主要負(fù)責(zé)人，正是加州大學(xué)圣地亞哥分校（UCSD）電氣與計算機工程系副教授謝澎濤（Pengtao Xie）。他擁有卡內(nèi)基梅隆大學(xué)機器學(xué)習(xí)系博士背景，研究方向聚焦人類學(xué)習(xí)技能啟發(fā)的機器學(xué)習(xí)，并將其應(yīng)用于大語言模型、基礎(chǔ)模型以及生物醫(yī)學(xué)領(lǐng)域。

據(jù)謝澎濤介紹，AIBuildAI 的誕生，最初是為了解決實驗室內(nèi)部一個非?，F(xiàn)實的困境。

“我們團隊有兩類學(xué)生。一類是生物醫(yī)學(xué)背景的，他們希望用 AI 預(yù)測 RNA 功能、蛋白質(zhì)結(jié)構(gòu)等具體問題，但缺乏建模和編程能力；另一類是 AI 方法背景的，雖然能自己寫代碼，卻要花好幾天甚至幾周反復(fù)實驗?！敝x澎濤告訴 DeepTech。

“如果有一個智能體，能讓用戶只用自然語言描述任務(wù)，后續(xù)所有步驟——模型架構(gòu)設(shè)計、代碼編寫、訓(xùn)練、超參數(shù)調(diào)優(yōu)、性能評估、甚至自我復(fù)盤改進——全部自動完成，那對兩類學(xué)生都是巨大解放。”他補充道。

于是，AIBuildAI 項目正式啟動。“智能體本身大約做了半年，但底層的推理、合成數(shù)據(jù)等技術(shù)我們已經(jīng)積累了好幾年。”謝澎濤透露，團隊對于這款智能體的定位也十分明確：基于成熟 AI 模塊組合設(shè)計模型，解決落地性強的常規(guī)任務(wù)。

據(jù)悉，AIBuildAI 是一套模塊化、可閉環(huán)運行的 AI 智能體系統(tǒng)，整體分為三層，各司其職又深度聯(lián)動，實現(xiàn)從任務(wù)理解到模型交付的全流程無人干預(yù)。

頂層是任務(wù)理解與決策層。當(dāng)用戶輸入“預(yù)測 RNA 功能”或“蛋白質(zhì)酶分類”等自然語言指令時，這一層負(fù)責(zé)解析意圖、判斷任務(wù)類型并拆解執(zhí)行步驟。它是整個系統(tǒng)的“指揮中心”，決定了建模的方向和邏輯。

在這一核心中樞的選擇上，團隊選用了 Claude-Opus-4.6 大模型?！拔覀儨y試對比了多個模型，雖然 GPT-5 在某些設(shè)計思路上表現(xiàn)出色，但在智能體最關(guān)鍵的環(huán)節(jié)——‘寫代碼’上，Claude 的穩(wěn)定性、長流程邏輯理解和結(jié)構(gòu)化指令執(zhí)行力是最適配建模場景的?！?/p>

中層是推理與代碼生成層，也是 AIBuildAI 的技術(shù)核心，搭載團隊自研的 Dream PRM（過程獎勵模型）、Dream ORM（結(jié)果獎勵模型）推理模塊，負(fù)責(zé)模型設(shè)計、代碼編寫、迭代復(fù)盤。PRM 負(fù)責(zé)步驟級精準(zhǔn)推理，ORM 負(fù)責(zé)結(jié)果校驗與優(yōu)化建議，雙重保障每一步執(zhí)行不出錯，避免“一步錯、全流程崩”的問題，也是實現(xiàn)自動復(fù)盤改進的關(guān)鍵。

底層是執(zhí)行與訓(xùn)練層，其承接中層生成的代碼和方案，自動完成數(shù)據(jù)加載、模型訓(xùn)練、超參數(shù)調(diào)優(yōu)、性能評估、結(jié)果輸出，同時管控硬件資源和算力消耗。這一層把上層的“設(shè)計思路”轉(zhuǎn)化為可運行、可部署的實際模型。

（來源：受訪者提供）

為了驗證 AIBuildAI 的能力，團隊在 MLE-bench 的 75 個任務(wù)（涵蓋醫(yī)療、物理、生物等多個學(xué)科）中進行了測試。MLE-Bench 是 OpenAI 推出的全球頂尖的全自動機器學(xué)習(xí)測評平臺，專門考核 AI 智能體 “獨立構(gòu)建有效 AI 模型” 的能力，測評覆蓋簡單（Low）、中等（Medium）、高難度（High） 三類真實 AI 任務(wù)，最終按整體準(zhǔn)確率排名，是行業(yè)內(nèi)公認(rèn)的“全自動 ML 能力試金石”。

AIBuildAI 在這個測評中交出了亮眼的成績，在無測試數(shù)據(jù)泄露的前提下排名第一。其中簡單任務(wù)準(zhǔn)確率77.27%；中等任務(wù)準(zhǔn)確率 61.40%；高難度任務(wù)準(zhǔn)確率 46.67%；整體綜合準(zhǔn)確率 63.11%。

以“蛋白質(zhì)酶類別預(yù)測”為例，該任務(wù)基于發(fā)表在 Science 論文的數(shù)據(jù)集，AIBuildAI 自動構(gòu)建的模型，效果完全對標(biāo)論文成果，普通用戶借助簡化數(shù)據(jù)集就能快速復(fù)現(xiàn)。

“對比學(xué)生手動寫代碼需要好幾天，AIBuildAI 十幾分鐘就能完成代碼編寫，大多數(shù)數(shù)據(jù)量不大的任務(wù)，一天內(nèi)就能落地?！敝x澎濤介紹道。

目前，AIBuildAI 已深度融入團隊實驗室工作，主要服務(wù)生物醫(yī)學(xué)背景的研究者，完美適配分類、回歸、序列分析等單模態(tài)任務(wù)，無論是生物信息數(shù)據(jù)分析，還是產(chǎn)業(yè)界的預(yù)測建模需求，都能輕松勝任。但對于 AI方向博士生的前沿研究、多模態(tài)融合任務(wù)，目前仍無法完全滿足，團隊仍在持續(xù)迭代優(yōu)化。

針對用戶關(guān)心的系統(tǒng)適配問題，謝澎濤表示，現(xiàn)階段 AIBuildAI 僅支持 Linux 系統(tǒng)，暫無適配 Mac、Windows 的計劃?！癆I 模型訓(xùn)練依賴 GPU，而 99% 的 GPU 環(huán)境都部署在 Linux 上，足以覆蓋絕大多數(shù)使用場景?！?/p>

據(jù)悉，AIBuildAI 已開啟中小企業(yè)試用，收獲了不少真實反饋，也明確了下一步優(yōu)化方向。用戶反饋的核心問題集中在兩點：數(shù)據(jù)處理能力不足，難以應(yīng)對缺失值、標(biāo)注混亂等問題；對用戶意圖理解不夠精準(zhǔn)。

謝澎濤坦言，數(shù)據(jù)處理的技術(shù)難點并不大，通過增加數(shù)據(jù)質(zhì)量檢查工具就能逐步優(yōu)化，但現(xiàn)實場景中數(shù)據(jù)問題繁雜，實現(xiàn)泛化適配仍有挑戰(zhàn)。這也是團隊接下來的重點攻堅方向。

對于 AIBuildAI 的長遠未來，謝澎濤有著更宏大的構(gòu)想：讓智能體具備自我學(xué)習(xí)、自我進化的能力?！拔磥硭苤鲃娱喿x最新論文，歸納新知識、轉(zhuǎn)化為自身技能，不用人工干預(yù)就能實現(xiàn)能力升級。”

1.https://pengtaoxie.github.io/

2.https://github.com/aibuildai/AI-Build-AI

3.https://github.com/openai/mle-bench/pull/126

4.https://www.science.org/doi/10.1126/science.adf2465

運營/排版：何晨龍