SELA 由 MetaGPT 開源社區合著，作者分別來自 DeepWisdom、UC Berkeley、港科廣、UCSD、華師、Stanford、港中深、Montreal & MILA 等機構。共同一作池一舟與林義章分別任職 DeepWisdom 實習研究員與研究員，他們均畢業于 UC Berkeley，林義章也是 Data Interpreter 的共同一作。共同通訊作者為 DeepWisdom 創始人兼 CEO 吳承霖（MetaGPT 代碼作者、論文通訊作者）和蒙特利爾大學與 MILA 實驗室的助理教授劉邦。

AI 智能體可以設計 AI 嗎？

當然可以！

SELA 用 MCTS 設計 AI 效果在 20 個數據集上達到了 SoTA。它可以自己從歷史設計與實驗中學習，設計出比之前更好的 AI，并且完全開源。

• arxiv：https://arxiv.org/abs/2410.17238
• 代碼：https://github.com/geekan/MetaGPT/tree/main/metagpt/ext/sela

過去，AI 模型的設計和優化依賴大量專業知識和人力，過程耗時，易受個人經驗影響。盡管 AutoML 技術有所進展，但現有系統只會對預定義的搜索空間進行組合搜索，與人類行為不一致。人類會提出動態搜索空間并求解。隨著大模型技術的發展，我們看到了大模型能自主設計和調優 AI 模型的希望。然而，實現這一目標面臨自主設計和持續調優兩大挑戰。

過去幾個月，MetaGPT 團隊開源的 Data Interpreter 能夠自主完成多項機器學習任務，通過增強任務規劃、工具集成和推理能力，提升了成功率，但缺乏持續性調優。weco.ai 團隊的 AIDE 引入了結果反饋，在 OpenAI 發布的 MLE-bench 中表現優異，但由于采用貪婪搜索，往往只收斂到次優結果。

SELA 由 MetaGPT 團隊聯合多所頂尖機構推出，是一個可以進行自動實驗的智能體。它全面超越了 AIDE 和 Data Interpreter ，在多項機器學習測試中表現卓越，展現出自動化設計與優化 AI 模型的巨大潛力。

相比于傳統 AutoML 框架和基于 LLM 的自動機器學習系統，SELA 可以動態地構造搜索空間，而不是基于一個固定的搜索空間進行搜索，在動態流水線構造表現出了顯著優勢。

同時，就像 AlphaGo 會根據棋局中對手的動作不斷提升，SELA 也會逐漸在多步中完成機器學習代碼，解決了 AIDE 只能進行一步優化的問題。

下方動圖展示了 SELA 在醫療數據集（smoker-status）上的搜索過程，我們可以清晰地看到 SELA 在機器學習任務的各個階段進行了多次深入探索。隨著探索輪次的增加，節點的顏色逐漸加深，這象征著得分的持續提升。

具體來看，SELA 從最初的解決方案 94.3（根節點）出發，通過探索性數據分析，敏銳地捕捉到數據集中潛藏的異常值，并通過數據預處理環節，移除了這些異常值，將得分提升至 96.3。隨后，SELA 在另一次實驗中，通過相關性分析，精準地剔除了冗余特征并降低了數據維度，使得得分躍升至 97.2。

SELA 是如何實現這樣的效果的？

SELA 通過將問題描述和數據集信息輸入 LLM，生成潛在解決方案的搜索空間，并由 Monte Carlo Tree Search（MCTS）進行探索。LLM Agent 進一步規劃、編碼和執行實驗，利用模擬反饋優化搜索，形成迭代過程，最終產生優化的實驗管道。這種方法模擬了人類專家的迭代和反饋驅動過程，提升了機器學習任務的性能和適應性。

在上面的流程中，研究者們提出了三個重要組件，分別是 1）基于 LLM 的 Insight Proposer；2）基于 MCTS 的搜索策略；3）執行實驗方案的 LLM Agent，下面我們會詳細展開組件設計：

基于 LLM 的 Insight Proposer 

Insight Proposer 負責接收問題描述和數據集信息，將機器學習過程細分為探索性數據分析、數據預處理、特征工程、模型訓練和模型評估五個關鍵階段。并利用大型語言模型為每個階段生成多樣化的 Insight。這些 Insight 被匯集在見解池中，構建起 SELA 的搜索空間。

基于 MCTS 的搜索策略

在 SELA 框架中，研究者們將解決機器學習問題的搜索空間看作一棵樹，每條從根到目標節點的路徑都表示一個由 Insight 組成的實驗配置。因此，尋找最佳解決方案的任務可以被視為在樹中搜索最優路徑。

SELA 采用蒙特卡洛樹搜索（MCTS）作為核心決策引擎，通過選擇、擴展、模擬和反向傳播四個關鍵步驟，高效地探索和優化解決方案。

• 選擇

在每次迭代中，SELA 使用 UCT 算法的修改版本 UCT-DP ，從搜索樹中選擇一個節點。與傳統的 MCTS 不同，SELA 面臨的挑戰在于模型訓練等過程引入的大量計算時間，因此高效的節點探索至關重要。SELA 通過盡早優先探索更深入的節點，減少了探索每個未訪問節點的需要，允許在更少的迭代中到達更深的節點，使該方法更適合大規模機器學習實驗。

• 擴展

在擴展階段，將從所選節點實例化一組子節點以進行模擬，子節點繼承了父節點的所有屬性，并在此基礎上增加了新的洞察，以進一步探索和優化解決方案。

• 模擬

擴展結束后，SELA 將從擴展的子節點中隨機采樣一個節點進行模擬，SELA 將首先獲取這條路徑對應的配置。這些配置隨后被交給負責實驗的 Agent 執行，產生模擬分數，該分數作為反向傳播的反饋。

• 反向傳播

在模擬結束后，SELA 會收集性能分數（例如，基于驗證集的分數），并通過樹結構進行反向傳播。這些分數從模擬節點傳遞到根節點，更新每個父節點的值和訪問計數，從而在未來的搜索中優先考慮那些代表更有前途解決方案的節點。同時，解決方案代碼也會反向傳播到樹中，并在更新期間根據父節點進行處理，保存為階段代碼。

執行實驗方案的 LLM Agent

SELA 設計了一個 LLM Agent 用于執行實驗方案，通過自然語言需求構建實用的 pipeline。Agent 首先將搜索模塊提供的 Insight 轉化為詳細計劃，然后根據計劃編寫并執行代碼，生成最終的 Pipeline 和執行分數。為提升效率，SELA 在階段級別進行代碼緩存，實現精細的代碼重用，避免重復勞動，并應對 LLM 的非確定性問題，確保實驗的一致性和可預測性。

實驗

基準測試

SELA 選取了 AutoML 的 13 個分類任務和 7 個回歸任務，以及 Kaggle 競賽的 20 個數據集進行評估。

所有數據集按相同比例切分，確保各框架接受相同數據。基于 LLM 的框架（SELA、Data Interpreter 和 AIDE）采用相同配置和迭代次數。AutoGluon 和 AutoSklearn 均使用默認設置。由于 AutoGluon 結果是確定性所以只運行一次，其余實驗均運行三次。我們對每個數據集上不同框架的全部運行結果進行排名，以比較優劣。

圖中展示了多個自動機器學習框架在不同數據集上的預測表現，橫軸為與 SELA 最佳性能相比的標準化得分（NS）。結果顯示，SELA 在大多數數據集中表現優異，其他框架如 AutoSklearn、AIDE、AutoGluon 和 Data Interpreter 在某些數據集上有競爭力，但整體上 SELA 展現出更為一致的高性能和適應性。

SELA 在所有框架中取得了最高的平均標準化分數和最佳排名，證明了其在多種數據類型和任務上的穩健性和卓越表現。

消融實驗

研究者們設計了三個消融實驗，用來驗證 SELA 性能和策略的有效性。首先，是對探索次數的消融。實驗結果顯示，隨著探索次數的增加，SELA 有效利用了更多的探索機會，使平均性能顯著提升。

其次，LLM 的消融研究對比了 GPT-4o、Claude-3.5-Sonnet 和 DeepSeek-V2.5，結果表明 Claude-3.5-Sonnet 和 GPT-4o 表現穩定且適應性強，而 DeepSeek-V2.5 在某些數據集上略遜色，但在 Click prediction 和 boston 數據集上表現相近，充分說明 SELA 在不同模型上均有出色表現。

此外，研究者們進一步驗證了 SELA 所采用的 MCTS（蒙特卡洛樹搜索）策略的卓越有效性。相較于 DataInterpreter（無搜索）和隨機搜索，MCTS 策略展現出了顯著的優勢，這證明 SELA 最終采用的搜索策略是必要且有效的。

結語

SELA 提出了一種讓 AI 自主設計和持續優化自身的方法，并全面地展示了其取得的不俗效果。研究者們認為，該工作表明了 AI 在這一方向的潛力，將為未來的相關研究提供有價值的參考。