基于大语言模型的端到端多智能体机器学习自动化系统--AutoML Agent 开发：MLZero & AutoGluon Assistant 技术报告

---

1. 执行摘要

本报告综合分析了 MLZero 研究论文及其通过 AutoGluon Assistant 框架的实现，并将其置于 LLM 智能体系统和新兴模型上下文协议（MCP）标准的宏观背景下。MLZero 通过在多模态数据上实现无需人工干预的真正端到端自动化，代表了 AutoML 领域的重大飞跃。

核心成果：

• 92.0% 成功率 在多模态 AutoML 智能体基准测试中，超越竞争对手 263.6%
• MLE-Bench Lite 获得 6 枚金牌，在解决方案质量和效率上全面领先
• 即使使用 8B 参数的小模型 仍保持稳健性能（45.3% 成功率）
• 完全消除 感知、API 幻觉和后处理错误

系统集成了 9 个专业智能体，分为四大核心模块：感知、语义记忆、情景记忆和迭代编码，以 Claude 3.7 Sonnet 作为推理引擎。本报告详细阐述了系统架构、实现模式、部署策略，并探讨了与现代智能体协议的契合度。

---

2. 背景与上下文

2.1 智能体 AI 发展现状

现代 LLM 智能体遵循感知-推理-行动循环：