11 月 4 日，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，把自主搜索、可信评估以及跨任务经验的积累复用也做了进来。用户只要把业务目标说清楚，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、持续调优，最终对通过确认与交付校验的方案交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。在奇富科技看来，它也是推动大模型从辅助编程迈向复杂业务实践的一步探索，业务建模由此多了一条从依赖个人经验转向自动化、证据化、智能化的路径。

从流程自动化走向自主进化，释放数据价值

过去的业务建模，专家经验几乎是决定性的。理解数据、构建特征、优化模型，每一步都要反复摸索、反复验证。

ModelEvo 1.0 做的是把专家经验沉淀成标准化技能；到了 2.0，“如何持续提升效果”也被纳入自主探索的范围。系统会依据数据特点和实验反馈调整方向，建模不再只是执行既定流程，而是持续探索。

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。这样能减少重复探索，算法人员也可以把更多精力放在业务理解和创新上。

本次冷启动评测覆盖五个公开数据集，采用固定数据切分。在六个单模型参评方案中，ModelEvo 2.0 的平均名次为 1.60，是最佳的一个，并在三个数据集上排名第一。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，处理复杂业务数据的能力由此得到体现。

以可信机制支撑业务应用，让效果经得起检验

大模型进入业务建模，效果提升和结果可靠需要一起看。ModelEvo 2.0 的原则是“大模型负责提案，代码负责裁决”，靠统计检验、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。方案冻结之后，系统会做一次性最终留出评估，实验过程全程留痕，复核结果、追溯优化依据都有据可查。

这样一来，效果验证与交付校验都被纳入自动建模流程。金融等场景对模型质量、结果追溯和风险管理要求较高，这一设计为它们提供了工程支撑。

在奇富科技内部的信贷业务数据上，ModelEvo2.0 已经能够稳定交付优于基线的模型。

跨任务积累复用经验，沉淀长期技术资产

跨任务经验复用机制是此次升级的另一项内容。经验库启用后，建模原则、实验依据与模型配方都能被保存下来，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。

一次建模和长期能力建设，就这样接上了。团队再对同一业务做迭代时，过往实验留下的经验能当作起点，用来摸索特征怎么构造、模型怎么优化；一次实验的价值也不止于当下，经过记录、检索和反复验证，还能接着用在后面的任务里，帮团队攒下更容易传下去、反复使用的技术资产。还是这块业务，后续再迭代时靠历史实验经验，拿到最终效果所花的时间压到了原先的约六分之一。

奇富科技增长算法负责人王耀宣说：“大模型写代码是变容易了，可要让模型效果一直往上走、还经得起检验，仍然是件严肃的事。ModelEvo 2.0 想做的，是让大模型大胆提出假设，再由严格的统计和工程纪律来检验，每一次有效的经验都存下来，变成能持续进化的能力。”

以开源促进能力共享，推动行业协同创新

先从业务实践中提炼方法，再通过开源推动共享，奇富科技希望把专家经验变成开放、可持续演进的技术能力。接下来，ModelEvo 会继续完善特征算子与评测体系，在更多场景中检验经验迁移的效果，为大模型深入产业应用提供实践参考。