奇富科技开源ModelEvo 2.0：自动建模Agent新增自主搜索与经验复用

11月6日，奇富科技宣布开源自动建模Agent ModelEvo 2.0，消息由TechWeb传出。新版本针对结构化数据和表格数据，在原有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。用户只要说清业务目标、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、不断调优，最后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。

这次升级不只是给建模工具添了几项能力。奇富科技更想借此试探一件事：大模型能不能从辅助写代码，走到复杂业务实践里去。业务建模过去靠个人经验，现在则多了一条自动化、有证据可查、更智能的路子。

以往做业务建模，专家经验几乎是命脉，从看懂数据到构造特征、再到优化模型，每一步都得反复试、反复验。ModelEvo 1.0把专家经验固化成了标准化技能；到了2.0，“效果怎么才能一直往上走”也被划进自主探索的范围，系统会依据数据特点和实验反馈调整方向，建模因此不再只是执行既定流程，而是转向持续探索。

面对真实业务，ModelEvo 2.0先去找数据里真正有用的信息，再去优化模型和超参数，实验围绕特征怎么构造、数据怎么组织来展开。这样做能少走重复探索的弯路，算法人员也可以把更多精力放在理解业务和创新上。

本次冷启动评测覆盖五个公开数据集，数据切分固定。ModelEvo 2.0在六个单模型参评方案中拿下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里，它比两个大模型建模Agent的单模型对照方案都高出0.025以上，处理复杂业务数据的能力由此显现。

大模型进入业务建模，效果要提升，结果也得可靠。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，压低偶然高分和数据泄漏的风险。方案冻结之后，系统做一次性的最终留出评估，并把实验过程完整记录下来，方便复核结果、追溯优化依据。据奇富科技介绍，这套设计把效果验证和交付校验装进了自动建模流程，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。经验库一旦启用，建模原则、实验依据和模型配方都能存下来，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。

由此，一次性建模与长期能力沉淀连成了一条线。同一业务之后再迭代，过往的实验经验能当特征构造、模型优化的出发点；一次实验带来的价值，也可经由记录、检索和再验证延续到后续任务里，帮团队攒下更易传承、更好复用的技术资产。同一业务的后续迭代中，靠历史实验经验，做到最终效果所需的时间缩到原来的约六分之一。

奇富科技增长算法负责人王耀宣说：“大模型写代码是变容易了，可要让模型效果一直往上走、还经得起检验，依然是件严肃的事。ModelEvo 2.0想干的是：让大模型放开胆子提假设，再用严格的统计和工程纪律去验，把每一次有效的经验都留下来，变成能持续进化的本事。”