《Google MLE-STAR自动化机器学习的革命性突破》有1条评论

  1. 在MLE-Bench-Lite(基于Kaggle竞赛)的评估中,MLE-STAR使用Gemini-2.5-Pro获得63.6%的奖牌率(36.4%金牌),远超基线25.8%。 与DS-Agent比较,在表格任务中如野生蓝莓产量预测的MAE为163(vs. 213),酶底物AUROC为0.9101(vs. 0.8727)。 消融实验证实集成策略和近期模型(如EfficientNet vs. ResNet)贡献显著。

发表评论

人生梦想 - 关注前沿的计算机技术 acejoy.com 🐾 步子哥の博客 🐾 背多分论坛 🐾 知差(chai)网 🐾 DeepracticeX 社区 🐾 老薛主机 🐾 智柴论坛 🐾