MLS-Bench 提出：140 个真实研究任务测量大模型方法发现能力

来自伯克利、普林斯顿、清华等多家机构的研究者提出 MLS-Bench，用覆盖 12 个机器学习方向的 140 个真实研究任务单独测量模型的方法发现能力。对初版五个前沿模型的评测显示，它们更擅长优化和组合已有组件，整体表现均未超过 Human SOTA。消融实验发现，移除参数规模检查后所有模型都会靠扩大容量提高成绩，重新施加容量约束后这类收益随即消失。