Shanghai AI Labin 35 miljardin parametrin malli tekee koneoppimisen kokeet itse
Kiinalainen MLExpert nosti Kaggle-tyyppisten tehtävien mitaliprosentin 37,9:stä 72,7:ään ja yltää samaan kuin moninkertaisesti suuremmat mallit.
Kiinan Shanghai AI Labin tutkijat julkaisivat 15. lokakuuta 2026 tutkimuksen mallista nimeltä MLExpert. Kyse on 35 miljardin parametrin avoimesta tekoälymallista, joka on opetettu tekemään itsenäisesti koneoppimisen suunnittelutyötä: kokeilemaan erilaisia ratkaisuja, ajamaan kokeita ja parantamaan omaa työtään tulosten perusteella. Tutkijoiden mukaan malli nosti Kaggle-kilpailuja jäljittelevässä MLE-Bench Lite -testissä keskimääräisen mitaliprosentin 37,9:stä 72,7:ään. Mallin painot ja koodi on julkaistu kaikkien ladattaviksi.
Mitä koneoppimisen suunnittelu tarkoittaa?
Koneoppimisessa ohjelma oppii esimerkkien avulla sen sijaan, että sille kirjoitettaisiin valmiit säännöt. Kun yritys haluaa esimerkiksi ennustaa asiakkaiden lähtemistä tai tunnistaa kuvista sairauksia, sen täytyy rakentaa kokeilu: valita malli, siivota aineisto, kokeilla asetuksia ja arvioida, toimiko ratkaisu. Tätä työtä kutsutaan koneoppimisen suunnitteluksi, ja se on perinteisesti ollut hidasta käsityötä, jossa asiantuntija kokeilee kymmeniä vaihtoehtoja.
MLExpert on rakennettu tekemään tätä samaa ilman ihmistä. Se saa tehtävän, kirjoittaa koodin, ajaa sen, katsoo tuloksen ja päättää itse, mitä kokeilee seuraavaksi. Tavoitteena on niin sanottu AI for AI eli tilanne, jossa tekoäly kehittää tekoälyä.
Miten malli opetettiin?
Mallin pohjana on Qwen3.6-35B-A3B, kiinalaisen Alibaban avoin malli. Tutkijat opettivat sitä kahdessa vaiheessa. Ensin malli sai jäljitellä opettajamallien onnistuneita työtapoja: miten työkaluja käytetään, miten koodia kirjoitetaan ja miten kokeita järjestetään. Tätä kutsutaan ohjatuksi hienosäädöksi.
Toisessa vaiheessa malli oppi omista yrityksistään. Menetelmä on nimeltään WIRL eli ikkunallinen vuorovaikutus-vahvistusoppiminen. Tavallisesti vahvistusoppimisessa palkinto annetaan vasta pitkän tehtäväketjun lopussa, jolloin on vaikea tietää, mikä yksittäinen päätös oli hyvä. WIRL jakaa ketjun ikkunoihin: jokaisen kokeen tuloksen jälkeen mallin sitä edeltäneet päätökset saavat yhteisen palkinnon tuloksen perusteella. Näin malli saa palautetta jo kesken työn.
Miten tulosta mitattiin?
MLE-Bench Lite on OpenAI:n kehittämä benchmark, jossa mallille annetaan 22 todellista Kaggle-tietokilpailua. Malli saa aineiston ja tehtävänannon ja saa yrittää parantaa tulostaan enintään 3 000 vuorovaikutusaskeleella ja 12 tunnissa. Pisteet lasketaan sillä, kuinka monessa kilpailussa malli yltää mitalitasolle.
MLExpert sai keskimäärin 72,7 prosenttia mitaleista, kun sen pohjamalli sai 37,9 prosenttia. Tutkijoiden mukaan tulos on samalla tasolla huomattavasti suurempien frontier-mallien Kimi-K3:n ja GLM-5.3:n kanssa. Samassa vertailussa WIRL voitti selvästi tavalliset menetelmät: pelkällä ohjatulla hienosäädöllä päästiin 62,1 prosenttiin, ja perinteisemmillä vahvistusoppimisen tavoilla 56–61 prosenttiin.
Vertailuun liittyy varaus. MLExpert ja samankokoiset vertailumallit ajettiin kolme kertaa, mutta suuremmat frontier-mallit vain kerran. Yhden ajon tulos voi sattuman vuoksi poiketa toistetusta, joten täysin yhdenmukaisesta vertailusta ei ole kyse.
Osaaminen siirtyi muuallekin
Tutkijat kokeilivat mallia myös Kaggle-tehtävien ulkopuolella. NatureBench Lite -testissä tulos parani, samoin tehtävissä joissa malli optimoi toisen tekoälyagentin rakennetta ja klassisia algoritmeja. Tämä viittaa siihen, että opittu taito ei ole sidottu pelkästään taulukkomuotoiseen aineistoon vaan yleisempään kokeelliseen ongelmanratkaisuun.
Tulos on kiinnostava siksi, että malli on kooltaan vaatimaton. 35 miljardia parametria on murto-osa suurimpien suljettujen mallien koosta, ja asiantuntijarakenteen ansiosta kerrallaan käytössä on vain pieni osa siitä. Jos tällainen malli pystyy itsenäisesti tekemään tutkijan työtä, se laskee merkittävästi kynnystä automatisoida kokeellista kehitystyötä.
Mitä rajoituksia tuloksella on?
MLE-Bench Lite koostuu julkisista Kaggle-kilpailuista, joiden aineistot ja ratkaisut ovat olleet internetissä vuosia. On mahdollista, että mallin opetusaineistoon on päätynyt tietoa näistä kilpailuista tai niiden voittajaratkaisuista. Tutkimus ei kerro, miten tämä on suljettu pois, joten tulosta ei voi suoraan lukea osoituksena siitä, että malli ratkaisisi aidosti uusia ongelmia yhtä hyvin.
Toinen rajoitus on laskenta. Jokainen tehtävä sai käyttää 12 tuntia ja tuhansia askeleita, mikä on huomattavasti enemmän kuin tavallinen chat-kysely. Kyse on siis raskaasta kokeilujärjestelmästä, ei nopeasta avustajasta.
Mitä tämä tarkoittaa?
MLExpert on yksi konkreettisimmista esimerkeistä siitä, mihin tekoälyagentit ovat menossa: pelkän tekstin tuottamisesta kohti pitkiä, itsenäisiä työketjuja, joissa malli reagoi ympäristönsä palautteeseen. Koodi ja painot ovat avoimesti ladattavissa, joten menetelmää voi kokeilla ja arvioida itsenäisesti sen sijaan, että tuloksiin pitäisi luottaa sokeasti.
Lähteet
arXiv: MLExpert: Towards a Generalist Agentic Model for Autonomous Machine Learning Engineering (arXiv:2610.22344), 15.10.2026. arxiv.org
GitHub: InternScience/MLExpert, 15.10.2026. github.com
Hugging Face: InternScience/MLExpert — model card, 15.10.2026. huggingface.co
alphaXiv: MLExpert — arvio ja tarkennukset, 16.10.2026. alphaxiv.org
AI Weekly: Shanghai AI Lab’s MLExpert 35B MoE Nearly Doubles MLE-Bench Lite Medal Rate to 72.7%, 17.10.2026. aiweekly.co
AICoder: MLExpert: Open 35B MoE Agentic Model Lifts MLE-Bench Lite Medal Rate from 37.9% to 72.7%, 17.10.2026. aicoder.com
Vastuuvapauslauseke: Tämä artikkeli on tarkoitettu vain tiedotustarkoituksiin. Sitä ei tarjota tai ole tarkoitettu käytettäväksi oikeudellisena, verotuksellisena, sijoitus-, rahoitus- tai muuna neuvona.
Mainos: alla on kumppanimainoksia ja mainoslinkkejä.
