能力信号
MLE-bench 反映 LLM 代理做 ML 工程任务的自动化能力。
RD-Agent / Benchmark & Papers
RD-Agent 基准与论文：MLE-bench top 1
RD-Agent 在 MLE-bench（评估 AI 代理机器学习工程能力的综合基准，含 75 个 Kaggle 竞赛）上位居 top-performing ML 工程代理，o3(R)+GPT-4.1(D) 配置 All 指标 30.22%。配套技术报告与多篇顶会论文。
MLE-benchML 工程 top 1
技术报告arXiv:2505.14738
论文Quant / FT-Dojo
MLE-bench
MLE-bench 排名
官方 README 引用的 MLE-bench 结果（All 指标）。
| 代理 | Low==Lite | Medium | High | All |
|---|---|---|---|---|
| R&D-Agent o3(R)+GPT-4.1(D) | 51.52 ± 6.9 | 19.3 ± 5.5 | 26.67 ± 0 | 30.22 ± 1.5 |
| R&D-Agent o1-preview | 48.18 ± 2.49 | 8.95 ± 2.36 | 18.67 ± 2.98 | 22.4 ± 1.1 |
| AIDE o1-preview | 34.3 ± 2.4 | 8.8 ± 1.1 | 10.0 ± 1.9 | 16.9 ± 1.1 |
说明：o3(R)+GPT-4.1(D) 配置为降低每轮平均时间与成本，融合 Research Agent(o3) 与 Development Agent(GPT-4.1)；AIDE o1-preview 为原 MLE-bench 论文此前公开结果。
Papers
论文与工作清单
RD-Agent 的论文体系。
| 论文 | 方向 | 状态 |
|---|---|---|
| R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science | 总体技术报告 | arXiv:2505.14738 |
| R&D-Agent-Quant: A Multi-Agent Framework for Data-Centric Factors and Model Joint Optimization | 量化 | NeurIPS 2025 |
| FT-Dojo: Towards Autonomous LLM Fine-Tuning with Language Agents | LLM 微调 | ICML 2026 |
| Reasoning as Gradient: Scaling MLE Agents Beyond Tree Search | 推理 | ACL 2026 Findings |
| Agent² RL-Bench: Can LLM Agents Engineer Agentic RL Post-Training? | 基准 | Preprint arXiv:2604.10547 |
| Towards Data-Centric Automatic R&D | 方法 | arXiv:2404.11276 |
Trust
怎么看待这些基准结果
基准结果是能力信号，不是投资信号。
非收益保证
量化场景的 ARR 结论仅供研究，不构成投资建议。
持续演进
项目持续发布新场景与论文，RoadMap 仍在扩展。
Caution
边界说明
基准数字与论文结论均需谨慎解读。
时效性：MLE-bench 排名与论文状态随时间变化，以上为 2026-09-03 抓取的 README 数据。
不构成建议：官方免责声明明确「不构成金融投资建议，不替代合格金融专业人士」。
FAQ
常见问题
RD-Agent 在 MLE-bench 排第几？
官方 README 称是 top-performing ML 工程代理，o3(R)+GPT-4.1(D) 配置 All 指标 30.22%，高于此前 AIDE o1-preview 的 16.9%。
RD-Agent 有哪些顶会论文？
RD-Agent-Quant（NeurIPS 2025）、FT-Dojo（ICML 2026）、Reasoning as Gradient（ACL 2026 Findings）等。
技术报告在哪看？
《R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science》arXiv:2505.14738。
基准结果能说明能赚钱吗？
不能。MLE-bench 反映 ML 工程能力，量化 ARR 结论仅供研究，不构成投资建议。