MLS-Bench Lite编程

MLS-Bench 的官方 30 任务子集，评估 Agent 发现可泛化、可扩展机器学习方法的能力。MLS-Bench Lite 是 MLS-Bench 的官方 30 任务子集，评估 AI 系统能否发现可泛化、可扩展的机器学习方法。覆盖 LLM 预训练与后训练、机器人、世界模型、计算机视觉、强化学习、优化、机器学习系统和 AI for Science 等方向，Agent 有 5 小时探索时间后提交方案。

官方网站

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	42.8	Anthropic	Kimi K2.7 Code 发布页
2	GPT-5.5	35.5	OpenAI	Kimi K2.7 Code 发布页
3	Kimi-K2.7-Code	35.1	月之暗面	Kimi K2.7 Code 发布页
4	Kimi-K2.6	26.7	月之暗面	Kimi K2.7 Code 发布页

返回

MLS-Bench Lite编程

MLS-Bench 的官方 30 任务子集，评估 Agent 发现可泛化、可扩展机器学习方法的能力。MLS-Bench Lite 是 MLS-Bench 的官方 30 任务子集，评估 AI 系统能否发现可泛化、可扩展的机器学习方法。覆盖 LLM 预训练与后训练、机器人、世界模型、计算机视觉、强化学习、优化、机器学习系统和 AI for Science 等方向，Agent 有 5 小时探索时间后提交方案。

官方网站

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	42.8	Anthropic	Kimi K2.7 Code 发布页
2	GPT-5.5	35.5	OpenAI	Kimi K2.7 Code 发布页
3	Kimi-K2.7-Code	35.1	月之暗面	Kimi K2.7 Code 发布页
4	Kimi-K2.6	26.7	月之暗面	Kimi K2.7 Code 发布页