MLGym: Ein neues Framework und Benchmark zur Weiterentwicklung von KI-ForschungsagentenMLGym: A New Framework and Benchmark for Advancing AI Research Agents
Wir stellen Meta MLGym und MLGym-Bench vor, ein neues Framework und Benchmark zur Bewertung und Entwicklung von LLM-Agenten für KI-Forschungsaufgaben. Dies ist die erste Gym-Umgebung für maschinelles Lernen (ML), die Forschung zu Reinforcement-Learning (RL)-Algorithmen für das Training solcher Agenten ermöglicht. MLGym-Bench besteht aus 13 vielfältigen und offenen KI-Forschungsaufgaben aus verschiedenen Domänen wie Computer Vision, Natural Language Processing, Reinforcement Learning und Spieltheorie. Die Lösung dieser Aufgaben erfordert reale KI-Forschungskompetenzen wie das Generieren neuer Ideen und Hypothesen, das Erstellen und Verarbeiten von Daten, das Implementieren von ML-Methoden, das Trainieren von Modellen, das Durchführen von Experimenten, das Analysieren der Ergebnisse und das iterative Verbessern eines gegebenen Aufgabenbereichs. Wir bewerten eine Reihe von führenden großen Sprachmodellen (LLMs) wie Claude-3.5-Sonnet, Llama-3.1 405B, GPT-4o, o1-preview und Gemini-1.5 Pro anhand unserer Benchmarks. Unser MLGym-Framework erleichtert das Hinzufügen neuer Aufgaben, die Integration und Bewertung von Modellen oder Agenten, die Generierung synthetischer Daten im großen Maßstab sowie die Entwicklung neuer Lernalgorithmen für das Training von Agenten in KI-Forschungsaufgaben. Wir stellen fest, dass aktuelle führende Modelle die gegebenen Baselines verbessern können, meist durch das Finden besserer Hyperparameter, jedoch keine neuen Hypothesen, Algorithmen, Architekturen oder substanziellen Verbesserungen generieren. Wir stellen unser Framework und Benchmark als Open Source zur Verfügung, um zukünftige Forschungen zur Weiterentwicklung der KI-Forschungsfähigkeiten von LLM-Agenten zu fördern.