LoongFlow 登顶 MLE-Bench 榜首，TOP5 唯一开源 Agent 框架

• 正交分解与数据驱动：Planner 将复杂的 ML 任务拆解为 6 个正交阶段：数据加载、验证策略、特征工程、模型训练、模型集成、流程编排。每个阶段有明确的输入输出契约，可以独立优化而不引发连锁影响。更关键的是，Planner 主动调用 EDA 工具深度分析数据特征，让技术选择建立在数据证据之上 —— 高维稀疏数据触发线性模型，图像数据触发卷积架构，时序数据触发循环网络。这种数据驱动的决策机制，避免了传统工具的盲目尝试。
• 结构化推理范式：专家在制定方案前，会强制自己完成系统性思考。Planner 设计了强制性的结构化分析框架：必须完成历史诊断（父代和兄弟方案的探索轨迹与效果归因）、任务诊断（从数据特性推导技术约束条件）、瓶颈诊断（理论上限与实际性能差距分析）、方向决策（深化当前路径还是探索新方向的战略判断）、复用决策（历史方案的互补性评估）、实施规划（改进意图到阶段级修改的精确映射）。这个框架保证了三个关键要素：推理质量（禁止跳过分析直接输出结论）、输出结构化（便于后续的查询、对比与复用）、决策可追溯（每个决策都有完整的证据链条）。这不是「拍脑袋」的直觉判断，而是基于证据的系统性战略分析。当单一方向优化遇到瓶颈时，Planner 还能启动 Fusion 模式，从历史方案中选择互补的模型进行精准复用。

3.1.2 Executor：像专家一样「渐进式实现」

机器学习专家不会一次性写完整个 ML Pipeline，而是按 Planner 设计的计划分阶段实现、逐步验证。LoongFlow 的 Executor 正是模拟了这种渐进式工作方式。

• 阶段化生成与依赖传递：一次性生成完整 Pipeline 意味着生成数百上千行代码，代码长度与出错概率呈非线性增长，出错后的定位成本极高。Executor 将 Pipeline 拆解为 6 个阶段，每个阶段配备独立的代码生成子 Agent。关键设计在于：依赖链式传递机制 —— 前一阶段的完整实现会自动成为后一阶段的生成上下文。这带来三个核心优势：代码量可控、依赖明确（精确感知前序输出）、渐进式验证（快速定位问题）。
• 上下文工程与智能纠错：Executor 为每个阶段配备了精心设计的上下文工程体系（Context Engineering）：任务语义、EDA 洞察、战略指令、父代码参考、依赖代码、硬件约束。这种上下文感知的设计，让生成的代码具备「全局视野」。同时，专用验证器编码了 ML 领域的最佳实践，验证失败后进行分类诊断：依赖缺失触发自动安装，逻辑错误反馈完整上下文进行针对性修复，形成「错误 - 诊断 - 修复」的智能循环。

3.1.3 Summary：像专家一样「反思与沉淀」

机器学习专家在完成实验后会先反思：这次改动为什么有效？哪些经验可以复用？下次应该往哪个方向走？LoongFlow 的 Summary 正是模拟了这种反思能力。

• 五维度知识提取：Summary 通过五个维度系统性地提取经验：构建方案的技术指纹，记录技术特征；进行根因分析，建立因果理解；沉淀关键学习，提取可迁移的 ML 洞察；给出可执行指导，提供具体的优化路径；记录融合画像，为 Fusion 决策提供数据基础。这些知识不会随实验结束消失，而是进入混合进化记忆系统这一系统长期记忆，成为后续迭代的重要依据。
• 动态平衡机制：Summary 的自适应权重机制实现了搜索策略的动态平衡：早期大胆探索不同方向，中期在已知好方案和新方向之间平衡，后期聚焦高分方案的精细优化，让系统在「利用」和「探索」之间智能切换。

LoongFlow 的 PES 闭环架构重新定义了 ML 自动化：从「试错式代码生成」跨越到「战略性方案设计」，让机器像机器学习专家一样思考、执行、进化。

3.2 混合进化记忆系统：不是记住答案，而是记住「思路版图」

如果说 PES 认知闭环负责保障单次迭代的质量，那么混合进化记忆系统，就是决定整个探索过程的效率的关键。LoongFlow 的记忆系统，并非简单存储过往的「最优解」，而是通过三大核心设计，构建了一套体系化的经验管理体系，让 AI 的每一次探索都站在「过往经验」的肩膀上：

• 多岛模型：建立多个独立的「探索特区」，允许不同技术路线并行发展，相互隔离又定期交流，保持探索的多样性，避免思维过早趋同；
• MAP-Elites：如同多维的「杰出方案陈列馆」，不仅按成绩归档方案，更会根据算法复杂度、计算效率等行为特征分类，让那些某一特性表现极佳的方案也能被留存，为跨界创新保留火种；
• 自适应玻尔兹曼选择：作为智能的「资源调度官」，根据种群探索的实时状态动态调节参数，智能切换策略 —— 是全局开拓新方向，还是局部深耕最优解，实现探索与利用的动态平衡。

正是 PES 这一通用专家级思考方式在机器学习领域的精准落地，与混合进化记忆系统的深度耦合、协同赋能，让 LoongFlow 实现了从「随机演化」到「定向进化探索」的跨越，能用更少的尝试，覆盖更大的有效解空间，这也是其能在 MLE-bench 中实现低成本、高稳定性、高胜率的核心密码。

4. 从榜单到落地：GPU 故障预测的工业级实践验证

MLE-bench 的亮眼成绩，只是 LoongFlow 能力的一次实验室验证，而在真实的工业生产环境中，LoongFlow 早已完成从「打榜神器」到「生产力引擎」的转变。在百度内部超大规模算力集群的 GPU 故障预测场景中，LoongFlow 直面行业痛点，展现了极致的专家级能力。

在动辄数千卡的 GPU 集群中，不同代际硬件混合部署，每块卡产生的温度、功耗、显存使用等海量遥测数据中，隐藏着故障早期信号，但传统方案始终难以破解难题：阈值告警误报率高、隐性故障易遗漏；针对不同 GPU 型号手动建模，迭代周期长达数周；训练负载动态变化，静态模型极易失效。

面对这一复杂的时序异常检测问题，LoongFlow 驱动的 ML-Agent 实现了全流程自主破局，无需人工干预：自主完成多维遥测数据的分析与特征挖掘，识别不同 GPU 型号的故障模式差异；针对昇腾 910B、英伟达 H800 等不同硬件，自主尝试从传统统计方法到深度时序模型的多种技术路线，根据数据特性选择最优方案；通过 PES 闭环持续从预测失败案例中学习，自动调整策略并实现性能迭代。

最终，LoongFlow 驱动的 GPU 故障检测系统交出了突破性的成果：

• 昇腾 910B：故障预测准确率从 38.5% 跃升至 62%，提升幅度达 61%。
• 英伟达 H800：故障预测准确率从 60% 提升至 83.72%，提升幅度达 39.5%。

更重要的是，这并非一个「调参调出来的固定模型」，而是一个能随数据积累、业务演进持续进化的智能系统，为百度大模型研发大幅降低算力成本，减少训练中断，提升集群利用率。

5. 能力泛化：重新定义机器学习工作流

在百度内部的多个场景中，LoongFlow 正在验证其在不同类型 ML 任务中的适应性。LoongFlow 的价值不仅在于「做得好」，更在于「做得快」：

• 复杂工业场景：像 GPU 故障预测这样的高维时序、多模态数据问题，传统方式需要资深算法工程师数周的特征工程和模型调优，LoongFlow 将这个周期极致压缩，且无需人工干预。
• 快速原型验证：当业务团队有新的 ML 需求时，从想法到可用的 baseline 模型，LoongFlow 能够在很短时间完成端到端的实验闭环，让团队快速验证技术可行性。
• 持续优化迭代：随着数据的积累和业务场景的演进，LoongFlow 的自进化机制能够让模型性能持续提升，而不是「训练一次就固化」。

更深层的意义在于技术门槛的消解：领域专家（如运维工程师、业务分析师）可以专注于定义问题和业务逻辑，而将繁琐的数据清洗、特征工程、模型选择、超参调优等 ML 工程细节交给 LoongFlow 自主完成。这让机器学习真正从「少数算法专家的专利」走向「每个领域专家的生产力工具」。

6. 快速上手：三步启动你的专家级 Agent

LoongFlow 已全面开源，提供开箱即用的 ML Agent。开发者只需三步，即可快速开启全自主的机器学习研发之旅，体验「专家级思考」带来的效率革命：

第一步：环境准备

LoongFlow 需要 Mamba 环境管理器。如果还没安装，请先安装 Miniforge。

Miniforge 地址：https://github.com/conda-forge/miniforge

# 克隆仓库
git clone https://github.com/baidu-baige/LoongFlow
cd LoongFlow
# 自动创建 mamba 环境并安装依赖
./run_ml.sh init

第二步：LLM 配置

LoongFlow 支持 OpenAI、DeepSeek、Gemini 等主流大模型。编辑配置文件填入 API 凭证：

vim agents/ml_evolve/examples/ml_example/task_config.yaml

核心配置

url: "http://your-llm-api/v1"
api_key: "your-api-key"
model: "openai/gemini-3-flash-preview"

第三步：启动任务

LoongFlow 会自动完成数据探索、特征工程、模型训练、集成优化的全流程，并持续进化直到达到最佳效果。所有结果保存在 output/ 目录。

# 运行演示任务（Iris 分类）
./run_ml.sh run ml_example --background
# 监控进化过程
tail -f output/logs/evolux.log

7. 结语：从随机试错，到定向进化探索

LoongFlow 在 MLE-bench 的刷新记录，从来不是一次偶然的工程胜利，而是对一种全新智能体发展范式的验证：当 Agent 学会系统性的专家级思考，解决复杂问题的解法，将不再依赖运气和算力的堆叠。

该架构旨在让未来真正具备生产力的 AI，不仅拥有更高的智力，更能具备如同人类顶尖工程师一般的「专家级思考能力」—— 懂得如何一步步逼近正确答案，如何从失败中学习，如何持续进化。LoongFlow 希望成为这条道路上的核心基础设施，让每一个有数据、有目标的团队，都能拥有一个「永不疲倦、持续进化」的专家级 AI 助手。

目前，LoongFlow 的完整代码、文档与 Demo 已在 GitHub 开源。

访问 GitHub：详细代码、文档与示例 https://github.com/baidu-baige/LoongFlow

阅读技术报告：深入了解设计原理 https://arxiv.org/abs/2512.24077