rd-agent

R&D-Agent（RD-Agent）是微软的开源项目，旨在自动化高价值、数据驱动的研究与开发。其核心思想是一个由两部分组成的循环：一个提出新想法的“R”组件和一个实现并评估这些想法的“D”组件，从而让 AI 能够迭代地推动数据和模型开发。 它提供什么 - 一个用于自动化模型和数据开发的多智能体框架，研究智能体和开发智能体交替循环工作。 - 面向量化金融的场景实现，包括因子提出/实现、模型演化，以及围绕 Qlib 构建的因子-模型联合协同优化。 - 面向竞赛式任务的数据科学场景，提供面向 Kaggle 的模式用于模型调优和特征工程。 - 一个研究 copilot，可读取论文或财务报告，并将其转化为模型结构或数据集。 - 一个 LLM 微调场景（FT-Agent），用于基准驱动的数据处理、训练、评估和反馈引导的改进。 - 一个基准（Agent² RL-Bench），用于评估 LLM 智能体是否能够设计端到端的后训练流水线。 配置与使用 - Linux 目前是唯一受支持的平台；大多数场景需要 Docker。 - 可通过 PyPI 安装（`pip install rdagent`），或从源码安装并使用 `make dev` 进行开发。 - LLM 访问默认通过 LiteLLM 配置，并提供 OpenAI、Azure OpenAI、DeepSeek 以及独立 chat/embedding 提供方的示例。 - `health_check` 命令会在运行场景前验证 Docker 可用性和端口占用情况。 - 场景通过 CLI 命令启动，例如 `rdagent fin_quant`、`rdagent fin_factor`、`rdagent fin_model`、`rdagent fin_factor_report`、`rdagent general_model`、`rdagent data_science` 和 `rdagent llm_finetune`。 - 结果可通过 Streamlit UI（`rdagent ui`）以及由 `rdagent server_ui` 提供的独立 Web 前端进行监控，后者包含基于 token 的认证。 项目状态与证据 - README 报告称，R&D-Agent 在机器学习工程智能体中于 MLE-bench 上领先，并提供了详细的运行链接和按难度划分的结果。 - 它引用了已被接收的论文（NeurIPS 2025、ICML 2026、ACL 2026 Findings）和一份技术报告，以及一个在线演示和文档站点。 - 该项目正在积极开发中，配置了 CI、CodeQL、Dependabot、linting、类型检查和 pre-commit。 本概述仅基于仓库 README，并未独立验证基准测试声明。