提出 SandMLE 多智能体框架,通过从少量种子任务中生成微尺度(50–200样本)但结构复杂的合成机器学习工程(MLE)沙盒环境,显著降低验证延迟,首次实现大规模轨迹式在线强化学习训练;在 MLE-bench-lite 上相较 SFT 基线取得 20.3%–66.9% 的 medal rate 提升,并在 M…
机构:Meta
来源:arXiv 2604.04872 | AI4Papers 论文推荐平台