在機器學習工程領域，百度智能云旗下的企業級算法自主優化智能體——百度伐謀Agent 2.0，再次以卓越表現登頂全球權威基準MLE-Bench，并刷新最優成績。這一成果標志著中國AI技術在企業級算法工程領域實現新的突破，繼去年10月首次登頂后，百度伐謀憑借持續優化的工程能力再次領跑全球。
MLE-Bench由OpenAI主導設立，被譽為檢驗智能體實戰能力的“硬核考場”。該基準包含75個源自Kaggle競賽的真實工程難題，覆蓋模型訓練、數據準備、實驗運行等機器學習全流程，重點考察人工智能在復雜場景下的端到端自動化能力。百度伐謀Agent 2.0作為面向最優解的智能體，能夠像頂尖算法工程師一樣，從需求理解到方案輸出實現全鏈路自動化，在具有明確評價標準的問題中高效尋找全局最優解。
最新評測顯示，百度伐謀2.0在“高難度”任務中展現出顯著優勢，綜合勝率超越搭載Claude-Opus-4.6等主流大模型的同類產品。這一成績得益于其在演化策略、長程記憶機制和底層基礎設施層面的全面升級：增強的演化策略支持多路徑并行探索與動態回溯調整；長程記憶機制確保智能體在長鏈條任務中保持邏輯一致性；依托百度智能云全棧AI基礎設施的優化，則大幅提升了算法迭代效率。
技術突破的同時，百度伐謀2.0顯著降低了算法應用門檻。業務人員無需算法背景，僅需通過自然語言或數據文件提交需求，系統即可自動生成可解釋、可交互的企業級解決方案。這一特性使其快速滲透至零售、金融、制造、能源、交通等國民經濟核心領域，上線至今已服務數千家企業。
在汽車制造領域，阿爾特太乙與百度伐謀合作開發的御風智能預測系統，將單次風阻驗證時間從10小時壓縮至數分鐘，整車研發周期平均縮短25%；金融風控場景中，中信百信銀行引入該技術后實現7×24小時風險特征挖掘，效率提升100%，模型風險區分度提高2.41%；能源基建領域，中國能建廣東院借助其解決海上風電電纜橋架布置難題，節省近一周工期與大量材料成本；交通信控方面，鄂爾多斯伊金霍洛旗部署百度智能云伐謀信控平臺后，車均延誤降低18%，高峰通行時間減少超50%。
科研場景同樣見證了百度伐謀的價值。北京工業大學團隊將其應用于中國空間站微型氣相色譜柱設計實驗，通過自動化尋優替代人工反復仿真，顯著提升分離效率；天津大學團隊利用該技術優化災害預測模型，將原本需數周的科研探索壓縮至6小時內完成。為進一步支持科研創新，百度智能云近期開源了Famou for Science項目，通過多智能體協同模式構建虛擬科研團隊，涵蓋實驗管理、文檔評審等角色，支持長線程科研任務的自動化推進與算法持續演化。
