AIDE ML — 机器学习工程代理-酒店常州论坛

AIDE ML — 机器学习工程代理

由 LLM 驱动的代理，能够编写、评估和改进机器学习代码。

生产环境中需要使用？试试 Weco →

什么是 AIDE ML？

AIDE ML 是AIDE 算法的开源“参考版本”，AIDE 算法是一个树搜索代理，能够自主地编写、调试和测试代码，直到用户定义的指标达到最大值（或最小值）。它以易于研究人员使用的Python 包的形式发布，并包含一系列实用工具（命令行界面、可视化、配置预设），方便学术界和工程师研究人员复现论文、测试新想法或构建机器学习流程原型。

层	描述	在哪里可以找到它
AIDE算法	在代码空间中，基于LLM的智能体树搜索。	我们在论文中对此进行了描述。
AIDE ML代码库（本代码库）	精益实施，用于实验和扩展。	`pip install aideml`
Weco产品	该平台将 AIDE 的功能推广到更广泛的代码优化场景，提供实验跟踪和增强的用户控制。	weco.ai

谁应该使用它？

代理架构研究人员——替换新的搜索启发式方法、评估器或 LLM 后端。
机器学习从业者——根据数据集快速构建高性能机器学习管道。

主要能力

自然语言任务规范：引导智能体使用数据集，并用通俗易懂的英语描述目标和指标。无需 YAML 网格或自定义封装。aide data_dir=… goal="Predict churn" eval="AUROC"
迭代式智能体树搜索：每个 Python 脚本都成为解决方案树中的一个节点；LLM 生成的补丁会生成子节点；度量反馈用于修剪和指导搜索。OpenAI 的MLE-Bench（75 项 Kaggle 竞赛）发现，AIDE 的树搜索算法获得的奖牌数量是最佳线性智能体（OpenHands）的4 倍。

此仓库提供的实用功能

HTML可视化工具——查看完整的解决方案树以及附加到每个节点的代码。
Streamlit UI– 机器学习解决方案原型。
模型中立的管道——OpenAI、Anthropic、Gemini 或任何支持 OpenAI API 的本地 LLM。

基于 AIDE 的特色研究

机构	论文/项目名称	链接
OpenAI	MLE-bench：在机器学习工程中评估机器学习代理	论文，GitHub
地铁	RE-Bench：评估语言模型代理相对于人类专家的前沿人工智能研发能力	论文，GitHub
坂名爱	AI 科学家 v2：基于智能体树搜索的研讨会级自动化科学发现	论文，GitHub
元	自动化LLM速通基准测试：重现NanoGPT改进	论文，GitHub
元	用于机器学习的人工智能研究代理：MLE-bench 中的搜索、探索和泛化	论文，GitHub
上海交通大学	ML-Master：通过融合探索与推理，迈向人工智能的人工智能	论文，GitHub

知道还有其他引用或衍生自 AIDE 的公共项目吗？
提交 PR并添加到列表中吧！

如何使用 AIDE ML

快速入门

#1 Installpip install -U aideml#2 Set an LLM keyexportOPENAI_API_KEY=<your‑key>#https://platform.openai.com/api-keys#3 Run an optimisationaide data_dir="example_tasks/house_prices"\ goal="Predict the sales price for each house"\ eval="RMSE between log‑prices"

运行结束后你会发现：

logs/<id>/best_solution.py找到的最佳代码
logs/<id>/tree_plot.html– 点击查看解决方案树

Web 用户界面

pip install -U aideml#adds streamlitcdaide/webui streamlit run app.py

使用侧边栏粘贴您的 API 密钥，上传数据，设置目标和指标，然后按运行 AIDE。

用户界面显示实时日志、解决方案树和最佳代码。

高级 CLI 选项

#Choose a different coding model and run 50 stepsaide agent.code.model="claude-4-sonnet"\ agent.steps=50 \ data_dir=… goal=… eval=…

常用旗帜

旗帜	目的	默认
`agent.code.model`	LLM 用于编写代码	`gpt-4-turbo`
`agent.steps`	改进迭代	`20`
`agent.search.num_drafts`	每步草稿	`5`

在 Python 中使用 AIDE ML

importaideimportloggingdefmain(): logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s') aide_logger=logging.getLogger("aide") aide_logger.setLevel(logging.INFO)print("Starting experiment...") exp=aide.Experiment( data_dir="example_tasks/bitcoin_price",# replace this with your own directorygoal="Build a time series forecasting model for bitcoin close price.",# replace with your own goal descriptioneval="RMSLE"# replace with your own evaluation metric) best_solution=exp.run(steps=2)print(f"Best solution has validation metric:{best_solution.valid_metric}")print(f"Best solution code:{best_solution.code}")print("Experiment finished.")if__name__=='__main__':main()

高级用户附加功能

本地LLM（Ollama示例）

exportOPENAI_BASE_URL="http://localhost:11434/v1"aide agent.code.model="qwen2.5"data_dir=… goal=… eval=…

注意：评估器默认为 gpt-4o。

完全本地化（代码+评估器——无外部调用）

<span style="background-color:#f6f8fa"><span style="color:#1f2328"><span style="color:#1f2328"><span style="background-color:#f6f8fa"><code>export OPENAI_BASE_URL="http://localhost:11434/v1" aide agent.code.model="qwen2.5" agent.feedback.model="qwen2.5" data_dir=… goal=… eval=… </code></span></span></span></span>

提示：使用完全本地化的模型时，性能可能会有所下降。

Docker

docker build -t aide.docker run -it --rm \ -v"${LOGS_DIR:-$(pwd)/logs}:/app/logs"\ -v"${WORKSPACE_BASE:-$(pwd)/workspaces}:/app/workspaces"\ -v"$(pwd)/aide/example_tasks:/app/data"\ -e OPENAI_API_KEY="your-actual-api-key"\ aide data_dir=/app/data/house_prices goal="Predict price"eval="RMSE"

开发安装

git clone https://github.com/WecoAI/aideml.gitcdaideml&&pip install -e.

引用

如果您在工作中使用 AIDE，请引用以下论文：

@article{aide2025,title={AIDE: AI-Driven Exploration in the Space of Code},author={Zhengyao Jiang and Dominik Schmidt and Dhruv Srikanth and Dixing Xu and Ian Kaplan and Deniss Jacenko and Yuxiang Wu},year={2025},eprint={2502.13138},archivePrefix={arXiv},primaryClass={cs.AI},url={https://arxiv.org/abs/2502.13138}, }

企业官网建设流程全解析

AIDE ML — 机器学习工程代理

什么是 AIDE ML？

谁应该使用它？

主要能力

基于 AIDE 的特色研究

如何使用 AIDE ML

快速入门

Web 用户界面

高级 CLI 选项

在 Python 中使用 AIDE ML

高级用户附加功能

本地LLM（Ollama示例）

完全本地化（代码+评估器——无外部调用）

Docker

开发安装

引用

热门文章

文章分类

标签云

需要专业的网站建设服务？

企业官网建设流程全解析

AIDE ML — 机器学习工程代理

什么是 AIDE ML？

谁应该使用它？

主要能力

基于 AIDE 的特色研究

如何使用 AIDE ML

快速入门

Web 用户界面

高级 CLI 选项

在 Python 中使用 AIDE ML

高级用户附加功能

本地LLM（Ollama示例）

完全本地化（代码+评估器——无外部调用）

Docker

开发安装

引用

热门文章

文章分类

标签云

相关文章

需要专业的网站建设服务？