CoMind: 面向机器学习工程的社区驱动代理
人工智能
2026-03-02 v3 机器学习
摘要
大型语言模型(LLM)代理在自动化机器学习(ML)工程方面显示出巨大的潜力。然而，现有代理通常在给定的研究问题上孤立运行，无法与更广泛的研究社区互动，而人类研究人员往往通过分享知识来获得见解并作出贡献。为弥合这一差距，我们引入MLE-Live，一个用于评估代理是否能够与模拟Kaggle研究社区中的集体知识进行交流并加以利用的实时评估框架。建立在该框架之上，我们提出CoMind，一个多代理系统，旨在系统性地利用外部知识。CoMind采用迭代并行探索机制，同时开发多个解决方案，以平衡探索宽度与实现深度。我们在MLE-Live框架中的75个过去的Kaggle竞赛中，CoMind实现了36%的奖牌率，建立了新的SOTA。关键的是，在八个正在进行的直播竞赛中，CoMind平均超过92.6%的人类竞争者，在三个官方排行榜中进入前5%，在一个排行榜中进入前1%。
引用
@article{arxiv.2506.20640,
title = {CoMind: Towards Community-Driven Agents for Machine Learning Engineering},
author = {Sijie Li and Weiwei Sun and Shanda Li and Ameet Talwalkar and Yiming Yang},
journal= {arXiv preprint arXiv:2506.20640},
year = {2026}
}
备注
ICLR 2026. Code available at https://github.com/comind-ml/CoMind