超级管理员
楼主
奇富科技开源自动建模 Agent ModelEvo 2.0，面向结构化与表格数据。用户给出业务目标、建模样本和验证方案，Agent 在给定预算内自己分析数据、规划实验、持续优化，最后输出模型成果和完整实验记录。
升级点在哪
1.0 把专家经验沉淀成标准化技能，本质是把流程固化。2.0 把「怎么持续提升效果」也纳入自主探索：根据数据特点和实验反馈调整方向，优先挖数据里的有效信息，再优化模型与超参数。官方说这样能减少重复探索。
最值得抄的设计是这句
大模型负责提案，代码负责裁决。具体做法是统计检验、选择校正、独立复现、测试集隔离，方案冻结后做一次性最终留出评估，全过程记录。这一套是防止「偶然高分」和「数据泄漏」的标准动作。
很多自动建模工具的问题就在这：Agent 反复在测试集上调参，分数很好看，上线就崩。把裁决权交给代码而不是模型，是对的。
成绩
五个公开数据集、固定切分的冷启动评测中，六个单模型方案里平均名次 1.60，三个数据集排第一。含历史明细的信贷违约预测任务上，比两个大模型建模 Agent 的单模型方案高 0.025 以上。
冷静看
0.025 的提升在信贷场景有没有业务价值，要看基线。开源的是方法和框架，不是能直接用的模型。真正落地时，数据治理的功夫远大于调参。
对做风控和数据科学的团队，这套「提案与裁决分离」的思路比工具本身更值得借鉴。
本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。
