IT 之家 10 月 12 日消息，科技媒體 The Decoder 昨日（10 月 11 日）發布博文，報道稱 OpenAI 公司推出 MLE-bench 新基準，旨在評估 AI 智能體在開發機器學習解決方案方面的能力。
該基準包括 75 個 Kaggle 競賽，旨在衡量自主 AI 系統在機器學習工程中的進展。這些競賽涵蓋了多個領域，包括自然語言處理、計算機視覺和信号處理等等。
IT 之家注：Kaggle 是一個非常受歡迎的平台，專注于數據科學和機器學習的在線比賽。Kaggle 提供各種類型的比賽，包括數據預測、圖像分類、自然語言處理等，适合不同技能水平的參與者。
在 Kaggle 的進階系統中，"Novice"（新手）、"Contributor"（貢獻者）、"Expert"（專家）、"Master"（大師）和 "Grandmaster"（特級大師）是不同的績效層級，用于衡量和識别數據科學家在 Kaggle 平台上的技能水平和成就。
許多任務具有現實世界的應用，例如預測 COVID-19 mRNA 疫苗降解或解碼古代卷軸等。
MLE-bench 專注于兩個關鍵領域：
選擇具有挑戰性的任務：這些任務代表了當前機器學習的發展水平。
比較 AI 與人類的表現：通過對比，評估 AI 在特定任務中的能力。
OpenAI 在 MLE-bench 上測試了多個 AI 模型和智能體框架，使用 AIDE 框架的 o1-preview 模型表現最佳，在 16.9% 的比賽中至少獲得了一枚銅牌，該結果超越了 Anthropic 的 Claude 3.5 Sonnet。
獲得 5 金即可評上 "Grandmaster" 特級大師，而 o1-preview 模型在 MLE-bench 測試中獲得了 7 枚金牌。
OpenAI 承認 MLE-bench 也有局限性，并未涵蓋 AI 研究與開發的所有方面，主要集中在具有明确問題和簡單評估指标的任務上。
MLE-bench 基準現已在 GitHub 上發布，OpenAI 希望通過這一工具，推動 AI 在機器學習領域的進一步發展。
