InternScience/MLEvolve

What it solves

MLEvolve는 Kaggle 스타일의 경연 대회와 수학적 최적화 문제와 같은 복잡한 머신러닝(ML) 엔지니어링 작업을 자동으로 해결하기 위해 설계된 에이전트형 시스템입니다. ML 알고리즘의 발견과 개선을 자동화함으로써 수동적인 시행착오를 필요로 하지 않습니다.

How it works

MLEvolve는 Monte Carlo Graph Search(MCGS)를 기반으로 하는 멀티 에이전트 협업 프레임워크를를 사용하여합니다. 다양한 해결책의 경로를 병렬적으로 탐색하고 다음과 같은 핵심 메커니즘을 통해 발전시킵니다:

• Multi-Mode Planning: 단일 실행 계획(single-shot planning) 또는 메모리 강화형 검색 증강 계획(memory-enhanced retrieval-augmented planning) 사이를 적응적으로 선택하며, stepwise pipelines 또는 incremental diff patching과 같은 다양한 코드 생성 전략을 사용합니다.
• Experience-Driven Memory: 글로벌 메모리 레이어(BM25 및 FAISS 사용)가 이전의 계획, 코드 및 결과를 저장하여, 에이전트가 성공적인 전략을 재사용하고 과거의 실패를 피할 수 있도록 합니다.
• Progressive MCGS: 시스템은 정체 상태를 감지지하고 "크로스 브랜치 퓨전(cross-branch fusion)"을 수행하여, 서로 다른 해결책의 경로에서 얻은 최 nhất의 통찰력을 결합하여 새롭고 개선된 후보를 생성합니다。

Who it’s for

이 도구는 경연 대회나 과학적 발견 작업을 위해 고성능 ML 알고리즘을 자동화하여 발견하는 데 관심이 있는 ML 엔지니어와 연구자들을 위한 것입니다.

Highlights

• State-of-the-Art Performance: MLE-bench 리더보드에서 1위(#1)를 달성했습니다 (메달 획득률 65.3%).
• Generalization: 수학적 최적화 작업에 성공적으로 적용되며, 전문화된 프레임워크와 대등하거나 그 이상의 성능을 만듭니다.
• Flexible LLM Support: OpenAI-compatible APIs (GPT, Qwen, DeepSeek, 등)와 호환됩니다.
• Integration: InternAgent 시스템의 코딩 및 알고리즘 최적화 모듈을 구동합니다.