Apple ML 研究指出：在自動化機器學習工程中，複雜多代理框架效能並未優於單一極簡代理

Apple ML 發布關於自動化機器學習工程（MLE）代理的最新研究。當前 MLE 代理多部署於日益複雜的架構上，例如 multi-agent orchestrators 與專用的檢索子代理。然而，研究團隊透過大規模系統性消融實驗發現，在相同的時間預算與相同的前沿 LLM 骨幹模型下，開源的最先進複雜框架，其效能並未優於僅具備 read、write 與 bash 執行權限的單一極簡編碼代理（coding agent）基準。 研究指出，在編碼代理的設定中，額外的複雜架構層已顯得多餘，底層 LLM 骨幹的能力才是驅動效能的主要因素。結論表明，針對當前的 MLE 評測基準，投入大量心力開發手工打造的複雜代理框架，其投資報酬率極低。