大型语言模型（ LLM ）正在从协助科学研究和工程扩展到自主开发和改进人工智能系统，推进人工智能（ AI4AI ）作为实现递归自我改进（ RSI ）的途径。工作流驱动的机器学习工程（ MLE ）系统通过管理长期实验的复杂编排为这一追求提供了一条实用的路径。

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.22344v1)获取最准确的信息。

---
🔗 **原文链接**: [MLExpert: Towards a Generalist Agentic Model for Autonomous ](https://arxiv.org/abs/2610.22344v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Shangheng Du, Jinxin Shi, Shuaiyu Zhang, 吴艺明, Junpeng Zhao, Shiyang Feng, Xin Li, Liang He, Xiangchao Yan, Bo Zhang

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-16 13:01