1. openai 的推理模型 o1 已经黯然失色？
2. 本周五，人工智能界又迎来了一个突破：一个完全自动化的机器学习流程的人工智能工程师，轻松达到了 Kaggle 大师水平，在参与的 50 场 Kaggle 竞赛中获得了 26% 的奖牌，远超 OpenAI 之前推出的强化学习增强版 o1 模型。
3. 这项记录是由一家名为 NEO 的初创公司创造的。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
1. NEO 可以自动化整个机器学习的工作流程，为开发人员节省数千小时的繁重工作。
NEO 是一款多智能体（AI Agent）系统，可以并行解决单一问题，从而自动化机器学习工作流程的各个方面，为开发人员节省大量时间和精力。
机器学习中的挑战
-
数据质量和准备
- 处理缺失值、异常值和不一致的格式
- 做出影响模型性能的数据清理决策
-
模型的选择
- 确定数十种算法中的最佳方法
- 调整神经网络架构和超参数
-
计算资源
- 利用云基础设施、分布式计算和 GPU 优化
-
部署
- 持续监控和重新训练以应对数据漂移
- 跟踪代码更改、数据版本和模型参数
NEO - 完全自主的机器学习工程师
NEO 简化了机器学习工作流程，使工程师能够高效构建和部署管道。
运作方式
- 由多个智能体驱动的专门模型组成
- 每个模型针对机器学习生命周期的不同部分进行微调
工作流程
- 启动工作流以实现目标
- 将复杂问题分解为易于管理的组件
- 通过计划、编码、执行和调试的循环进行优化
- 根据进展不断调整和迭代
- 部署已批准的输出
目标
- 与人类合作，处理繁重任务
- 加快机器学习工程师的工作速度
示例
NEO 构建信用卡欺诈检测系统的演示：
1. 当要求 NEO 使用协同过滤方法构建一本书籍推荐模型时，它自动完成了数据集准备工作，还进行了探索性分析，并对数据预处理进行了结构性优化，使数据集能够更好地用于训练。
1. 那么它的跑分如何呢？研究团队在 MLE 基准测试（MLE-bench）上对 NEO 进行了全面评估。MLE-bench 是一种创新的基准测试，专注于将 AI 智能体应用于真实世界的机器学习工程任务。与其他人工设计的挑战不同，这个基准测试通过 75 场实际的 Kaggle 竞赛来评估 AI 智能体在机器学习工程中的表现，具有极高的实用性。
2. 在 50 场 Kaggle 竞赛测试中，NEO 表现堪称卓越：在 26% 的竞赛中获得奖牌，超越了 OpenAI 最新推理加强模型 o1 的基准成绩。为了更直观地理解这一成就，看看 NEO 到底是什么水准，Kaggle 金牌的获得要求就很直白：参赛团队需要进入所有团队排名前 10%。这通常需要极高的专业技能、创新方法以及精细优化。
3. 这回落在 NEO 后面的，是搭配 AIDE 框架的 o1-preview 了。
修饰后的文字内容：
- NEO 在 50 场 Kaggle 比赛中表现出色，在其中 26% 的比赛中荣获奖牌。这一成绩远超此前的搭配 AIDE 框架 Open AI 的 o1 在 MLE 基准测试中的 16.9% 得奖率。
- NEO 的表现不仅仅是数据，它代表了 AI 辅助机器学习工程的重大突破。凭借如此表现，NEO 已达到堪比 Kaggle 竞赛特级大师的水平，为用户提供世界级的机器学习专业能力。
- 官方称，NEO 不仅仅是一款 AI 工具，而是一个像数据竞赛冠军一样的人类合作伙伴，随时准备运用经过验证的竞赛获胜能力帮助用户解决复杂的数据挑战。
- NEO 的发布在 AI 社区引发了广泛关注，人们非常期待这款新工具能够减轻工作负担。不过，也有人认为，目前的展示还只是一面之词，具体情况仍需网友实测。
多智能体的 AI 真的有如此高的潜力吗？让我们拭目以待。
参考链接：
https://heyneo.so/blog
