迈向自动化机器学习时代：MLE-bench 问世，重新定义 AI 智能体工程评估标准

随着人工智能从简单的对话交互向具备自主行动能力的智能体（AI Agents）演进，如何科学、严谨地衡量这些智能体在处理复杂工程任务时的实战能力，已成为学术界与工业界共同关注的核心课题。传统的评估基准往往侧重于逻辑推理或代码片段的生成，却难以模拟真实机器学习工程中复杂的全链路流程。

针对这一评估空白，全新的基准测试 MLE-bench 正式亮相。该基准旨在通过一套标准化的评估体系，深度衡量机器学习智能体（Machine Learning Agents）在执行机器学习工程（Machine Learning Engineering）任务时的综合效能。它不仅关注算法的准确性，更侧重于衡量智能体在数据处理、特征工程、模型训练及调优等关键工程环节中的闭环处理能力。

MLE-bench 的推出，为衡量 AI 智能体在专业工程领域的落地潜力提供了关键的度量衡。它标志着 AI 评估范式正在发生深刻变革——从单纯的“知识问答”转向更为硬核的“端到端工程实践”，为推动自动化机器学习与智能体技术的深度融合提供了重要的技术基石。