奇富科技开源ModelEvo 2.0：建模Agent能自主搜索并跨任务复用经验

11月6日消息，奇富科技宣布自动建模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自主搜索、可信评估和跨任务经验积累复用能力。用户只要明确业务目标、给出建模样本与验证方案，Agent就能在既定预算内分析数据、规划实验并不断优化，最终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。

这次升级不只扩展了建模工具的能力边界。按奇富科技的说法，它也是推动大模型从辅助编程走向复杂业务实践的一次探索，让业务建模从靠个人经验转向自动化、证据化和智能化，多了一条新路径。

过去的业务建模高度依赖专家经验：理解数据、构建特征、优化模型，每一步都要反复探索和验证。ModelEvo 1.0把专家经验沉淀成标准化技能，2.0则把“如何持续提升效果”也纳入自主探索，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先挖掘数据里的有效信息，再优化模型与超参数，实验围绕特征构造和数据组织方式展开。这样能减少重复探索，算法人员可以把更多精力放在业务理解与创新上。

本次冷启动评测覆盖五个公开数据集，采用固定数据切分。ModelEvo 2.0在六个单模型参评方案中平均名次最佳，为1.60，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。

大模型进入业务建模，效果提升和结果可靠性要同时顾及。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，这套设计把效果验证与交付校验纳入自动建模流程，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已能稳定交付优于基线的模型。

升级还带来跨任务经验复用机制。开启经验库后，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。不过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形成持续循环。

单次建模与长期能力建设由此连在一起。同一业务的后续迭代中，历史实验经验能成为特征构造和模型优化的探索起点；一次实验的价值，也能通过记录、检索和再验证延伸到后续任务，帮团队攒下更容易传承和复用的技术资产。在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说：“大模型写代码确实轻松了，可要让它效果一直往上走、还经得起检验，这件事一点都不轻松。ModelEvo 2.0 的目标就是放手让大模型去大胆假设，然后靠严格的统计和工程规矩来验证，每次有用的经验都留下来，慢慢攒出持续进化的本事。”