arXiv cs.AIが2026年6月4日(現地時間)付けで公開した論文によると、機械学習アルゴリズムの発見を自動化する自己進化型マルチエージェントフレームワーク「MLEvolve」が提唱された。大規模言語モデル (LLM) エージェントの適用が広がる中で、既存の機械学習エンジニアリング (MLE) エージェントが抱える課題を解決し、エンドツーエンドのアルゴリズム発見を目指す。
MLEvolveは、既存のMLEエージェントが持つブランチ間の情報分離、記憶のない探索、階層的制御の欠如といった、長期間にわたる最適化を妨げる課題に対処するために開発されたものです。
このフレームワークは、Progressive MCGSへのツリー探索の拡張により、グラフベースの参照エッジを通じてクロスブランチ情報フローを可能にします。また、エントロピーに着想を得たプログレッシブなスケジュールにより、探索を幅広い探索から集中的な活用へと段階的に移行させます。
エージェントが累積された経験とともに進化できるようにするため、MLEvolveにはRetrospective Memoryが導入されています。これは、コールドスタートのドメイン知識ベースと、タスク固有の経験の検索および再利用のための動的なグローバルメモリを組み合わせたものです。さらに、安定した長期間の反復を実現するために、戦略的計画とコード生成が適応的コーディングモードで分離されています。
MLE-Bench上での評価では、MLEvolveは標準実行時間の半分の12時間という予算の下で、平均メダル率や有効な提出率を含む複数の次元で最先端の性能を達成しました。また、数学的アルゴリズム最適化タスクにおいても、AlphaEvolveを含む専門的なアルゴリズム発見手法を上回り、強力なクロスドメイン汎化能力を示しています。本研究のコードは公開されています。
参考: arXiv cs.AI — 2026年6月5日 02:55 (JST)
原文ハイライト"MLEvolve enables cross-branch information flow through graph-based reference edges and gradually shifts the search"