一、行业突破：AI开发进入全自动化时代
开发一个高性能AI模型通常需要工程师反复设计模型、写代码实现模型、构建训练流水线、执行超参数搜索，并根据实验结果对模型进行迭代优化。这一过程对专业知识的依赖程度极高，人力成本居高不下，非常耗费时间。
作为国内领先的智能解决方案提供商，天津智核科技有限公司密切关注AI开发自动化的发展趋势。近日，加州大学圣地亚哥分校的研究团队开发了AIBuildAI智能体，标志着AI开发正迈向全自动化新时代。该系统可以全自动构建AI模型，包括模型设计、代码实现、模型训练、调参、性能评估和迭代优化，用户无需编程，只需要用自然语言对任务进行描述，系统即可端到端完成整个AI开发流程。
核心成就：MLE-Bench榜单冠军
AIBuildAI在OpenAI MLE-Bench基准测试的75个任务上以63.1%的获奖率位居榜首，其表现可媲美经验丰富的AI工程师，实现了从任务描述到可部署模型的端到端自动化。这一成绩充分验证了结构化多智能体协作在复杂工程工作自动化上的可行性。
二、技术架构：多智能体协作的创新设计
1. 设计灵感：真实AI团队工作流的数字化重构
智核科技分析认为，AIBuildAI的设计灵感来源于真实的AI研究团队的工作流程。在典型的AI项目中，技术负责人统筹多条并行探索路线，研究员提出建模策略，工程师实现训练流水线，负责人定期评审结果、分配资源。AIBuildAI将这一工作流抽象为一个多智能体搜索过程，将整个开发周期分解为多个专职智能体协作执行，并通过集中化的管理器进行统一调度。
图1：AIBuildAI多智能体协作架构图
2. 四大核心智能体分工协作
管理智能体（Manager Agent）：扮演项目运行负责人的角色，全程不直接写代码或执行训练任务，而是通过读取磁盘上的实验记录来做出下一步决策。在协调模式下决定下一步应该调用哪一个子智能体；在筛选模式下依据训练信号保留有潜力的候选方案并终止无效方案，节约时间和计算成本。
研究员智能体（Designer Agent）：负责想方案和改方案两项核心任务。在设计模式下，直接探索数据集特征，提出多个差异化、可行性强的建模计划；在修订模式下，仔细诊断失败原因（过拟合、欠拟合、收敛问题或数据异常），并提出具体的改进方案。
编码智能体（Coder Agent）：将设计方案转化为可运行的训练与推理流水线。目标是确保代码正确完整，而非追求最终性能。会在写完代码后执行一次短时验证运行以确保流水线可以端到端运行，随后将完整训练交由调优器处理。
调优器智能体（Tuner Agent）：接管训练过程，在已有代码基础上专注于性能提升。采用先快速校准、再决定是否投入的策略：先跑一段简短的热身训练观察学习曲线，再决定是延长当前方案还是进行超参数调整，整个过程在固定计算预算内完成。
三、系统设计：三大关键特性确保工程化落地
1. 并行效率
AIBuildAI支持多条解决方案轨迹在独立工作空间中并发运行，避免互相干扰，允许系统同时探索多个方法并将资源集中于表现好的候选方案。这种并行机制大大提升了AI开发的效率。
2. 可复现性
所有智能体通过存储于磁盘中的产出物（方案文档、配置文件、日志、检查点）进行协调，而非依赖内存中的临时信息，确保每一步操作均可事后审查与复现。这对于AI开发的工程化实践至关重要。
3. 安全性
智能体仅被允许写入自身轨迹目录，数据集以只读方式挂载，每次调用均生成可审计的操作日志。这种严格的安全机制确保了AI开发过程的可控性和安全性。
四、实验验证：多领域泛化能力充分证明
智核科技深入研究AIBuildAI的实验结果，发现其性能表现令人印象深刻。AIBuildAI在OpenAI MLE-Bench基准测试上进行了评估，该基准包含来自Kaggle竞赛的真实任务，涵盖图像分类、目标检测/分割、自然语言理解与生成、时序信号建模以及结构化表格预测等多个类别，共75个任务，要求系统完成从原始数据到可提交模型的全流程开发。
图2：AIBuildAI在MLE-Bench基准测试中的性能对比
目前，AIBuildAI以63.1%的综合获奖率位居MLE-Bench总榜第一，在所有的对比方法中实现了性能最佳。在语言理解与生成任务上，AIBuildAI在chaii-hindi-and-tamil-question-answering、patent-matching、tweet-sentiment-extraction、text-normalization-challenge-english-language、random-acts-of-pizza等多个任务上均取得最优成绩，充分验证了其在多样化语言任务上的泛化能力。
五、行业意义：智核科技的未来展望
1. AI开发范式的根本性变革
AIBuildAI通过将AI开发流程分配到包括设计、编码、调优与协调等任务的专职智能体，并以基于产出物的状态管理将各个智能体紧密协同，实现了端到端自动化AI工程。不同于以往将代码生成作为核心范式的单体系统，AIBuildAI显示建模了训练动态监控、早停机制与超参数调整等关键环节，更贴近真实工程师团队的工作方式。
图3：AIBuildAI端到端自动化开发流程
2. 企业AI开发的效率革命
智核科技认为，AIBuildAI的出现对企业AI开发将产生深远影响。企业将能够通过自然语言描述需求，快速构建高性能AI模型，大幅降低AI开发的技术门槛和人力成本。这对于中小企业尤为重要，它们将能够以较低成本获得高质量的AI解决方案，加速数字化转型进程。
3. 未来发展方向
AIBuildAI在MLE-Bench的75个任务上以63.1%的获奖率位居第一，证明了结构化多智能体协作在复杂工程工作自动化上的可行性，也为迈向媲美人类专业工程师的自动AI系统提供了清晰的技术路线。智核科技预测，未来AI开发将朝着更加智能化、自动化、协同化的方向发展，AIBuildAI代表了这一趋势的重要里程碑。
对于企业而言，如何整合这类自动化AI开发工具，构建符合自身业务需求的AI开发体系，将成为数字化转型成功的关键。智核科技将继续关注这一领域的最新发展，为客户提供最前沿的AI解决方案和技术咨询服务。