在机器学习工程领域，百度智能云推出的企业级算法自主优化智能体“伐谋Agent 2.0”再次成为焦点。这款产品近日成功登顶机器学习工程权威基准测试MLE-Bench，并刷新了该榜单的SOTA（State-of-the-Art）成绩。这是继去年10月首次夺冠后，伐谋Agent 2.0第二次在该榜单中拔得头筹。
MLE-Bench由OpenAI主导设立，包含75个源自Kaggle真实竞赛的工程任务。这些任务全面覆盖模型训练、数据处理、实验管理等AI智能体全流程作业能力，旨在评估其模拟人类机器学习工程师解决实际问题的综合素养。与常规测试不同，MLE-Bench的考核重点不在于大模型的对话或推理水平，而是通过实际工程任务检验智能体的独立作业能力。每道题目需运行三次取平均分，单次完整提交的算力成本高达数万美元。
在本次测试中，伐谋Agent 2.0在“高难度”任务中的表现尤为亮眼。在统一运行标准下，其综合胜率显著领先于搭载Claude-Opus-4.6等主流大模型的同类智能体。具体来看，在15道最难题目中，伐谋Agent 2.0一举拿下9项第一。这些高难度任务往往对应现实中数字化基础薄弱、数据质量参差的场景，例如历史遗留的脏数据、残缺的业务记录、跨系统异构对接等，具有极高的工程参考价值。
从产品技术层面分析，伐谋Agent 2.0的优异表现得益于其在多个关键领域的系统优化。首先，增强的演化策略支持智能体在多个路径上并行探索，并能够适时回溯调整，从而提升问题解决的效率与准确性。其次，长程记忆机制的引入帮助智能体在长链条任务中保持逻辑一致性，避免因任务复杂度增加而出现逻辑断裂。全栈AI云基础设施的优化进一步提升了算法迭代效率，为智能体的高性能运行提供了坚实保障。
自上线以来，伐谋Agent 2.0已服务数千家企业，覆盖零售、金融、制造、能源、交通等多个领域。以汽车制造行业为例，伐谋Agent 2.0与阿尔特太乙合作，将风阻验证时间从10小时压缩至数分钟，整车研发周期平均缩短25%。这一成果不仅体现了伐谋Agent 2.0在实际工程中的高效性，也为其在更多领域的推广应用奠定了基础。
MLE-Bench的竞争格局并非一成不变。今年2月，创业公司Disarray提交了一个高分成绩，随后UCSD团队的AIBuildAI也曾短暂占据榜首。然而，百度伐谋Agent 2.0在这一轮动态排名中最终脱颖而出，再次登顶。这一结果不仅反映了该领域技术迭代的快速与激烈，也凸显了百度在机器学习工程领域的持续创新能力。
参与本次测评的智能体还包括搭载OpenAI o1、Claude等模型的方案。各家产品在数据处理效率、长任务稳定性等维度上各有优劣，形成了多元化的竞争态势。例如，某些智能体在数据处理效率上表现突出，而另一些则在长任务稳定性方面更具优势。这种多元化的竞争格局有助于推动整个领域的技术进步。
据悉，伐谋Agent 2.0的正式版本将于今年5月的Create 2026百度AI开发者大会上发布。与此同时，百度还开源了Famou for Science项目。该项目基于多智能体协同模式构建虚拟科研团队，支持长线程科研任务的自动化推进，为科研领域提供了新的解决方案。
随着智能体在工程化基准测试中屡次刷新纪录，一个现实问题也随之浮现：从榜单高分到大规模产业落地，中间还需要跨越哪些门槛？对于企业而言，稳定的成本收益比和可解释的工程回报，或许是最终评判智能体价值的关键标准。如何在技术突破与实际应用之间找到平衡点，将是未来智能体发展的重要方向。
