奇富科技开源ModelEvo 2.0：建模Agent能自主搜索并复用经验

11月6日，奇富科技把自动建模Agent ModelEvo 2.0正式开源。新版本针对结构化与表格数据，在标准化建模流程之上，加入了自主搜索、可信评估以及跨任务经验的积累与复用。用户只要明确业务目标、给出建模样本和验证方案，Agent就能在既定预算内分析数据、规划实验并不断优化，对通过确认与交付校验的方案输出模型成果和完整实验记录。

这次升级不只是建模工具能力上的扩展。奇富科技把它当作一次探索：让大模型从辅助编程走进复杂业务实践，为业务建模摆脱对个人经验的依赖、转向自动化、证据化和智能化提供一条新路径。

过去的业务建模很吃专家经验，从读懂数据到构造特征、优化模型，每一步都要反复摸索和验证。ModelEvo 1.0把专家经验固化成标准化技能，2.0则把“效果怎样才能持续提升”也交给系统自主探索——它能依据数据特点和实验反馈调整方向，建模由此从执行既定流程转为持续探索。

面对真实业务，ModelEvo 2.0先挖数据里的有效信息，再去优化模型与超参数，实验围绕特征构造和数据组织方式展开。这样做能少走重复探索的弯路，算法人员可以把更多精力放在业务理解和创新上。

在本次五个公开数据集、固定数据切分的冷启动评测中，ModelEvo 2.0在六个单模型参评方案里拿到1.60的最佳平均名次，并在三个数据集上位列第一。在包含历史明细数据的信贷违约预测任务中，它比两个大模型建模Agent的单模型对照方案均高出0.025以上，显示出处理复杂业务数据的能力。

大模型做业务建模，效果提升和结果可靠得一起看。ModelEvo 2.0遵循“大模型负责提案，代码负责裁决”，用统计检验、选择校正、独立复现和测试集隔离等机制，压低偶然高分与数据泄漏的风险。方案冻结后，系统做一次性最终留出评估，并完整记录实验过程，方便复核结果、追溯优化依据。据介绍，这一设计把效果验证与交付校验放进自动建模流程，为金融等对模型质量、结果追溯和风险管理要求较高的场景提供工程支撑。

在奇富科技内部的信贷业务数据上，ModelEvo 2.0已经能够稳定交付优于基线的模型。

升级还带来了跨任务经验复用机制。经验库启用后，系统会保存建模原则、实验依据与模型配方，供后续任务参考。历史方法进入新任务时，仍要在当前数据上重新验证，经验积累和效果检验就这样循环起来。

这套设计把单次建模和长期能力建设连在一起。同一业务后续迭代时，历史实验经验可以成为特征构造和模型优化的探索起点；一次实验产生的价值，也能通过记录、检索和再验证延伸到后面的任务，帮团队攒下更容易传承和复用的技术资产。同一业务的后续迭代中，借助历史实验经验，达到最终效果所需时间缩短到原来的约六分之一。

奇富科技增长算法负责人王耀宣称：“大模型写代码是变简单了，可要把效果一直往上推、还得扛得住检验，这件事一点都不轻松。ModelEvo 2.0 要解决的就是这个：先让大模型放开手脚提假设，再靠严格的统计和工程规范去验证，每一回有效的经验都存下来，能力才能一步步长起来。”