NEO

今天，机器学习项目仍高度依赖专家团队：数据科学家清洗数据，工程师调试环境，研究员调参实验，运维人员部署模型——整个流程耗时数周甚至数月，且极易出错。

但这一模式正在被打破。

NEO ——一个全自主的机器学习工程代理（ML Engineering Agent）——已经能够独立完成从原始数据处理到模型部署的完整工作流。它不是自动化脚本，也不是低代码工具，而是一个真正意义上的 AI for AI（AI 驱动 AI 开发）系统。

在 MLEBench 基准测试中，NEO 参与了 75 场真实 Kaggle 竞赛，在三次独立运行中，于 34.2% 的比赛中获得奖牌，性能超越 RD-Agent、AIDE + OpenAI o1 等现有代理。

这意味着：一个 AI 代理，已具备接近顶尖人类 ML 工程师的能力。

为什么我们需要自主 ML 代理？

过去五十年，机器学习的进步建立在人类专家持续投入的基础上。但现实是，大多数 ML 项目仍困于以下瓶颈：

1. 数据混乱：从非结构化输入开始

• 日志、PDF、自由文本、图像混杂；
• 缺失值、格式不一致、时间戳错乱；
• 数据清洗常需数天甚至数周。

2. 特征工程：高度依赖经验与试错

• 手动编码分类变量、构建衍生特征；
• 处理类别不平衡、异常检测、分布偏移；
• 没有“标准答案”，全靠工程师直觉。

2. 模型实验：计算密集且重复

• 尝试多种模型（XGBoost、LightGBM、神经网络）；
• 超参数搜索耗费大量 GPU 资源；
• 实验记录分散在 Jupyter 笔记本或 Excel 表格中。

3. 环境脆弱：可复现性难题

• PyTorch 与 CUDA 版本冲突；
• pip/conda 依赖“地狱”；
• “在我机器上能跑”仍是团队日常梗。

4. 部署与监控：脱离实验即失效

• 从 pickle.dump() 到 Docker + Kubernetes + CI/CD；
• 模型漂移、性能退化需人工干预；
• 生产环境中的故障往往深夜爆发。

这些“繁琐工作”消耗了 80% 以上的 ML 开发时间，却极少带来创新价值。

而 NEO 的目标，正是将人类从重复劳动中解放出来，专注于更高层次的问题定义与战略决策。

认识 NEO：全栈式自主 ML 工程师

NEO 是一个端到端自主代理，能够：

• 理解任务需求（如“构建语音识别模型”）
• 自动下载并清洗数据
• 执行探索性分析（EDA）
• 设计特征、选择模型、调参优化
• 训练、评估、部署模型
• 持续监控性能并响应漂移

它不仅执行任务，还能推理上下文、适应变化、从失败中恢复，并在必要时请求人类反馈。

“它不是一个工具，而是一位协作伙伴。”

工作机制：计划 → 编码 → 执行 → 调试

NEO 在隔离的 GPU/CPU 沙盒环境中运行，采用多阶段闭环流程：

1. 规划（Plan）
   分析任务目标，拆解为子任务（数据获取、预处理、建模等）
2. 编码（Code）
   生成 Python 脚本、配置文件、Dockerfile 等工件
3. 执行（Execute）
   在安全环境中运行代码，捕获输出与错误
4. 调试（Debug）
   分析失败原因，修正代码或调整策略

该循环持续迭代，直到达成目标或达到终止条件。

此外，NEO 支持 “人在回路”（Human-in-the-loop）模式：

• 用户可通过聊天界面提供指导：“优先考虑低延迟”、“使用 Whisper 模型”
• 查看生成的代码、数据可视化、模型指标
• 审核关键决策，确保可控性与透明度

界面还提供 工件查看器，可直接访问：

• 处理后的数据集
• 自动生成的训练脚本
• 训练日志与模型检查点

实战案例：NEO 如何解决真实问题？

✅ 临床语音转录：微调 Whisper 模型

任务：为医生口述记录构建高精度语音识别系统
NEO 行动：

• 下载 LibriSpeech 和医疗语音数据集
• 对 Whisper-small 进行领域适应微调
• 优化音频预处理 pipeline
• 实现词错误率（WER）显著下降

✅ 出行 ETA 预测：融合时空特征

任务：基于公开交通数据预测到达时间
NEO 行动：

• 整合 GPS 轨迹、天气、节假日数据
• 构建时空图神经网络（ST-GNN）变体
• 使用 Optuna 自动调参
• 输出 REST API 并集成到测试服务中

✅ 可穿戴设备睡眠分析：处理类别不平衡

任务：根据传感器数据预测睡眠阶段
NEO 行动：

• 下载公开 PSG 数据集
• 执行 EDA，发现 REM 阶段样本极少
• 应用 SMOTE 上采样 + 加权损失函数
• 设计轻量级 LSTM 模型，适合边缘部署

在每个案例中，NEO 均在无人干预下完成全流程，仅需初始任务描述。

性能验证：在真实竞赛中击败人类基线

为客观评估 NEO 的能力，研究团队采用 MLEBench ——一个基于真实世界任务的 ML 工程代理基准。

其核心特点是：

使用 75 个真实 Kaggle 竞赛作为测试用例，涵盖分类、回归、时间序列、NLP 等多种任务类型。

评估方式：

• 每个竞赛运行三次，取平均表现
• 以“是否获得奖牌”作为成功标准（Kaggle 奖牌代表前 10%-15% 排名）

结果：

这意味着：NEO 在超过三分之一的真实 ML 竞赛中达到了顶尖水平。

值得注意的是，Kaggle 竞赛本身已是高难度挑战——参与者多为资深数据科学家，竞争激烈。NEO 的表现不仅证明其技术能力，更标志着 AI 自主开发 AI 的可行性已从理论走向实践。

它不是工具，而是伙伴

NEO 的意义不止于自动化。

它代表了一种新的工作范式：

人类定义问题，AI 解决问题。

你可以告诉它：

• “帮我构建一个推荐系统”
• “分析这份销售数据，找出增长机会”
• “把我们的模型迁移到边缘设备”

然后，它就开始工作——像一位经验丰富的 ML 工程师那样思考、实验、优化。

你不再需要手动写数据清洗脚本，也不必熬夜调参。你只需要关注：问题是否被正确理解？结果是否符合业务目标？

控制权始终在你手中。

展望：AI 构建 AI 的未来

NEO 的出现，预示着机器学习开发方式的根本转变：

• 小型团队也能拥有“冠军级”建模能力
• MLOps 流程可被完全自动化
• AI 系统将能自我改进、自我部署、自我监控

未来，我们或许会看到：

• NEO 主动发现数据漂移，并重新训练模型
• 它为新任务生成文档、测试用例和 API 文档
• 它与其他代理协作，构建复杂 AI 系统

这不仅是效率提升，更是智能密度的跃迁。