蘋果論文：自主 ML 工程 Agent 需要多少腳手架

蘋果機器學習團隊於 2026 年 10 月 1 日釋出一篇論文，主題是自主機器學習工程（MLE）Agent 究竟需要多少腳手架。論文比較了兩條技術路線：一條搭載多 Agent 編排器、專用檢索子 Agent 等複雜裝置，另一條只使用更原始但能力更強的編碼 Agent，讓 LLM 直接訪問執行環境。

論文在開篇指出，近年來自主 MLE Agent 在公開排行榜上取得了顯著進展。這類系統走向複雜化的動因，通常被歸結為長週期任務中的進展停滯，以及 LLM 基礎能力本身的限制，因此現代 MLE Agent 被部署在日益精巧的機械裝置之上，包括多 Agent 編排器和專用檢索子 Agent 等。論文正是在腳手架不斷加碼的背景下，討論一個強 Agent 到底需要多少外部支撐。

目前可核對的材料只到這一層：論文由蘋果機器學習團隊釋出，時間為 2026 年 10 月 1 日，討論物件是自主 MLE Agent 的兩條路線。材料中沒有給出論文的完整標題、所涉及的基準測試、任何具體數字或實驗結果，也沒有說明作者最終傾向哪一條路線，因此這件事目前停留在論文提出該問題的階段。