हाल की एक अध्ययन में, OpenAI की अनुसंधान टीम ने MLE-bench नामक एक नई मानक परीक्षण प्रणाली पेश की है, जिसका उद्देश्य मशीन लर्निंग इंजीनियरिंग में AI एजेंटों के प्रदर्शन का मूल्यांकन करना है। यह अध्ययन विशेष रूप से Kaggle से 75 मशीन लर्निंग इंजीनियरिंग संबंधित प्रतियोगिताओं पर केंद्रित है, जिसका उद्देश्य एजेंटों को वास्तविक दुनिया में आवश्यक विभिन्न कौशलों का परीक्षण करना है, जिसमें मॉडल प्रशिक्षण, डेटा सेट तैयारी और प्रयोग चलाना शामिल है। बेहतर मूल्यांकन के लिए, अनुसंधान टीम ने Kaggle के सार्वजनिक लीडरबोर्ड से आधार डेटा का उपयोग किया है, जिससे प्रत्येक प्रतियोगिता का मूल्यांकन स्थापित किया गया है।