基于强化学习优化的多轮自动机器学习智能体系统

本申请提供一种基于强化学习优化的多轮自动机器学习智能体系统。包括：任务解析模块，用于生成供MLE智能体调用的初始提示；MLE智能体模块，用于生成可执行代码；代码执行器，用于生成执行结果；评价器，用于输出各指标的归一化值及代码正确性标识；奖励构建模块，用于生成奖励值；强化学习优化器，用于计算群体平均回报与候选优势，并基于候选优势更新MLE智能体模块的策略参数；多轮交互控制模块，用于在多轮交互过程中将上一轮的执行结果与奖励值反馈至MLE智能体模块，控制下一轮代码生成，直至满足预设终止条件。本申请能够实现策略自适应演化、细粒度信用分配的强化学习优化以及多轮闭环的自动化流程改进。