ML-Master - SJTU에서 출시한 AI 전문가 에이전트

ML-Master란?

ML-Master는 상하이교통대학교 인공지능대학의 에이전트 팀이 도입한 AI 전문가용 인텔리전스입니다. ML-Master는 OpenAI의 권위 있는 벤치마크 테스트인 MLE-bench에서 평균 29.3%의 메달 획득률로 1위를 차지하며 Microsoft의 RD-Agent, OpenAI의 AIDE 등 경쟁사들을 능가하는 우수한 성능을 보였습니다. ML-Master는 인간 전문가의 인지 전략을 시뮬레이션하고 광범위한 탐색과 심층 추론을 통합하는 '탐색과 추론의 심층 통합'이라는 혁신적인 패러다임을 통해 AI 머신러닝을 크게 개선했습니다. ML-Master는 인간 전문가의 인지 전략을 모방하고 광범위한 탐색과 심층 추론을 통합하는 '탐색과 추론의 심층 통합'이라는 혁신적인 패러다임을 통해 머신러닝 엔지니어링의 AI 성능을 크게 향상시킵니다. ML-Master는 균형 잡힌 다중 궤적 탐색 및 제어 추론 모듈을 채택하고 적응형 메모리 메커니즘을 통해 이 둘 사이의 효율적인 시너지를 실현합니다.

ML-Master의 주요 기능

• 탐색과 추론의 긴밀한 통합ML-Master는 인간 전문가의 인지 전략을 모방한 혁신적인 '탐색과 추론의 심층 융합' 패러다임을 통해 광범위한 탐색과 심층 추론을 통합하여 AI 성능을 크게 향상시킵니다.
• 강력한 자체 진화 기능ML-Master는 여러 차례의 작업 실행을 통해 솔루션의 품질을 지속적으로 개선하여 초기 버전에 비해 최종적으로 1,20% 이상의 성능 향상을 달성했습니다.

ML-Master의 프로젝트 주소

• 프로젝트 웹사이트:: https://sjtu-sai-agents.github.io/ML-Master/
• 깃허브 리포지토리:: https://github.com/sjtu-sai-agents/ML-Master
• arXiv 기술 논문:: https://arxiv.org/pdf/2506.16499

ML-Master의 기술 원리

• 균형 잡힌 다중 궤적 탐색(BME)
  • MCTS에서 영감을 받은 트리 검색각 노드가 AI 솔루션의 상태를 나타내는 의사 결정 트리로 AI 개발 프로세스를 모델링합니다.
  • 병렬 검색 전략여러 솔루션 브랜치를 동시에 탐색하여 기존 직렬 탐색의 한계를 극복하고 탐색 효율성을 획기적으로 개선합니다.
  • 동적 우선순위 지정비효율적인 탐색을 방지하기 위해 각 분기의 잠재적 가치에 따라 컴퓨팅 리소스를 동적으로 할당합니다.
• 조종 가능한 추론(조종 가능한 추론)
  • 적응형 메모리 메커니즘핵심 정보를 정확하게 추출하여 정보 과부하를 방지하고, 기록 탐색에서 유효한 정보를 지능적으로 필터링하여 추론 프로세스가 보다 관련성 높은 지식을 기반으로 이루어지도록 합니다.
  • 상황에 맞는 의사 결정구체적인 구현 피드백 및 성공 사례의 맥락에서 정보에 입각한 분석을 수행하여 '주먹구구식' 의사결정을 피하세요.
  • 폐쇄 루프 학습 시스템탐색의 결과는 실시간으로 추론 프로세스에 피드백되어 '탐색 → 추론 → 최적화 → 재탐색'의 선순환을 형성합니다.
• 적응형 메모리 메커니즘(적응형 메모리)
  • 지능형 메모리 구성탐색 모듈은 실행 결과, 코드 스니펫 및 성능 메트릭을 자동으로 수집하는 동시에 상위 및 병렬 형제 노드의 주요 정보를 선택적으로 통합합니다.
  • 임베디드 추론 의사 결정메모리 정보: 추론 모델의 의사 결정 부분에 메모리 정보를 직접 내장하여 각 추론이 특정 과거 실행 피드백과 다양한 탐색의 경험을 바탕으로 이루어지도록 합니다.
  • 공진화 메커니즘추론 결과는 후속 탐구 방향을 안내하고, 탐구 경험은 계속해서 추론 과정을 풍부하게 하여 탐구와 추론의 깊은 통합을 실현합니다.

ML-Master의 핵심 이점

• 뛰어난 성능OpenAI의 MLE 벤치마크에서 ML-Master는 평균 메달률 29.31 TP3T로 Microsoft와 OpenAI의 시스템을 크게 앞질러 1위를 차지했습니다.
• 효율적인 컴퓨팅기본 방법보다 절반의 계산 비용으로 단 12시간 만에 테스트를 완료할 수 있습니다.
• 일반화 기능메달 획득률은 모든 난이도에서 압도적으로 높았으며, 특히 중간 난이도 과제에서 메달 획득률이 2.2배 증가했습니다.

ML-Master의 대상

• AI 연구자 및 개발자ML-Master를 사용하면 여러 솔루션을 빠르게 탐색하고 수동 디버깅 및 최적화에 소요되는 시간을 줄이며 모델 혁신과 알고리즘 개선에 집중할 수 있습니다.
• 데이터 과학자ML-Master는 데이터 전처리, 기능 엔지니어링, 모델 선택 및 매개변수 조정과 같은 작업을 자동화하여 데이터 과학자가 시간과 노력을 절약하고 데이터 인사이트 및 비즈니스 가치 마이닝에 집중할 수 있도록 지원합니다.
• 머신 러닝 엔지니어ML-Master의 효율적인 연산 능력과 자체 진화 메커니즘을 통해 엔지니어는 실제 배포 환경에서 모델을 빠르게 반복하고 성능을 최적화하는 동시에 연산 비용을 절감할 수 있습니다.
• 대학 및 연구 기관ML-Master의 혁신적인 기술 프레임워크와 강력한 자체 진화 기능은 학술 연구 및 알고리즘 혁신에 사용하기 위한 자율 AI 개발 및 최적화를 연구하는 데 이상적인 툴입니다.