讓智慧體自動構建人工智慧模型，被認為有望把 AI 能力擴散到科學與工程的各個領域。此前一類較受關注的做法把“造模型”表述為程式碼搜尋問題，並用樹搜尋求解：樹的每個節點是一個候選程式，系統從父節點生成子程式來讓樹生長，這類智慧體如今在真實基準上已接近有經驗的 AI 工程師水平。但論文指出，這類智慧體在效率上仍有三處尚未被充分解決的短板。
第一處短板與預算約束下的評估噪聲有關。在符合現實的算力預算內，真正能被執行的候選程式數量很少，於是那些按“已執行獎勵”給節點排序的搜尋規則（例如蒙特卡洛式樹搜尋）只能依賴數量有限且噪聲很大的分數，導致“下一步探索哪個節點”的選擇不夠有效。第二處短板是訓練作業的排程：系統沒有采用資源感知的策略來決定作業如何啟動，這可能拉低硬體利用率與訓練效率。第三處短板出現在推理側：每一次智慧體呼叫都由同一個強模型承擔，推理成本因此被抬高。
針對這三點，作者提出 AIBuildAI-2.5——一個用 LLM 智慧體執行樹搜尋的系統。其核心是一種 LLM 引導的樹搜尋：由評判器（judge）從預期提升、依據性（grounding）與可行性三個維度為每個候選打分，再由選擇器（selector）依據這些分數以及搜尋整體狀態對候選池排序。系統另有兩個配套元件：排程器在啟動訓練作業時會考慮當前硬體資源的即時狀況；路由器則按任務要求分層，把成本更低的 LLM 用於要求較低的任務，而把能力最強的 LLM 保留給 AI 模型構建流程中最具挑戰性的子任務。
評測結果方面，AIBuildAI-2.5 在 MLE-Bench 上以 73.3% 的獎牌率排名第一，並在 AIRS-Bench 的六項自主 AI 研究任務上超過一個強基線。論文的提交時間為 2026 年 9 月 6 日 02:42:23 UTC，編號 arXiv:2609.25047v1，篇幅約 511 KB，主要歸類為計算與語言（cs.CL），同時歸入人工智慧（cs.AI）；作者為 Peijia Qin 等共六人，提交記錄顯示聯絡人為 Ruiyi Zhang。