KompeteAI：用于机器学习问题端到端管道生成的加速自主多智能体系统
人工智能
2026-04-24 v3
摘要
最近出现的基于大型语言模型（LLM）的AutoML系统展示了令人印象深刻的能力，但面临显著局限，如受限的探索策略和严重的执行瓶颈。探索受限于单次方法缺乏多样性，以及蒙特卡洛树搜索树（MCTS）方法未能重组强部分解的问题。执行瓶颈源于漫长的代码验证周期，抑制了迭代细化。为克服这些挑战，我们引入KompeteAI，一种具有动态解空间探索的新型AutoML框架。不同于以前的MCTS方法将想法孤立处理，KompeteAI引入了合并阶段，将顶级候选方案组合起来。我们进一步通过整合检索增强生成（RAG），从Kaggle笔记本和arXiv论文中检索想法，以融合真实世界策略。KompeteAI还通过预测评分模型和加速调试方法，解决了执行瓶颈问题，利用早期阶段指标评估解决方案潜力，避免高成本的完整代码执行。该方法加快了管道评估速度6.9倍。KompeteAI在主要AutoML基准（MLE-Bench）上比领先方法（如RD-agent、AIDE和Ml-Master）平均提高3%。此外，我们提出Kompete-bench以解决MLE-Bench的局限性，KompeteAI也在该基准上实现了最新成果。
引用
@article{arxiv.2508.10177,
title = {KompeteAI: Accelerated Autonomous Multi-Agent System for End-to-End Pipeline Generation for Machine Learning Problems},
author = {Stepan Kulibaba and Artem Dzhalilov and Roman Pakhomov and Oleg Svidchenko and Alexander Gasnikov and Aleksei Shpilman},
journal= {arXiv preprint arXiv:2508.10177},
year = {2026}
}