# 机器学习研究工程

CLEAR在论文与可执行代码之间加入一层结构化执行规格，把研究文档先转成可人工核对的实现单元、依赖、接口与评测流程，再据此生成和局部修复代码。在PaperBench的20项任务上，CLEAR平均得分29.87、单篇平均成本7.91美元；与AiScientist相比，成本降低35.16%，得分少3.86分。在MLE-Bench Lite上，CLEAR的22项任务全部形成有效提交，77.27%的任务获得任意奖牌。

CLEAR在论文与可执行代码之间加入一层结构化执行规格，把研究文档先转成可人工核对的实现单元、依赖、接口与评测流程，再据此生成和局部修复代码。在PaperBench的20项任务上，CLEAR平均得分29.87、单篇平均成本7.91美元；与AiScientist相比，成本降低35.16%，得分少3.86分。在MLE-Bench Lite上，CLEAR的22项任务全部形成有效提交，77.27%的任务获得任意奖牌。