ArtifactLinker 使用 GNN 和 LLM 自动查找 SOTA 模型

研究人员开发了 ArtifactLinker，一个新颖的框架，旨在通过分析海量的科学产物来自动发现特定数据集的最先进（SOTA）模型。该系统将 Hugging Face 等平台建模为产物图，利用图神经网络或大型语言模型来预测有希望的模型-数据集链接。然后，通过基于 LLM 的代理进行编码实验来验证这些预测，并引入了一个名为 ArtifactBench 的新基准，该基准包含超过 14,000 个产物和 51,000 个关系，以评估该框架的有效性。 AI

影响 自动化 SOTA 模型发现过程，可能加速研发周期。

排序理由 该集群包含一篇详细介绍发现 SOTA 模型的新框架和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• ArtifactBench
• ArtifactLinker
• arXiv
• CatalyzeX Code Finder for Papers
• DagsHub
• Gotit.pub
• graph neural networks
• Haofei Yu
• Hugging Face
• large-language models
• ScienceCast

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →