PulseAugur
中
实时 08:12:10
English(EN) Evolving Executable Pipeline Programs for AutoML with Language Models

新的 AutoML 框架 LACE 使用 LLM 演进可执行管道程序

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了 LACE，一个新颖的 AutoML 框架，它搜索完整的可执行管道程序，而不是依赖预定义的组件。该方法使用大型语言模型，特别是 GPT-5.4 Mini，作为进化循环中的变异算子。LACE 在 68 个 OpenML 分类任务上进行了评估，与 auto-sklearn、H2O 和 XGBoost 相比，表现更优越，同时与 AutoGluon 的表现相当。LACE 的一个关键优势是它能够返回可编辑的 Python 代码，允许从业者直接检查和修改生成的管道。 AI

影响 该框架为从业者提供了可编辑的、特定任务的代码，有可能提高 AutoML 生成管道的可重用性和透明度。

排序理由 关于新 AutoML 框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的 AutoML 框架 LACE 使用 LLM 演进可执行管道程序

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Sofoklis Kitharidis, Cor J. Veenman, Jan N. van Rijn, Thomas B\"ack, Niki van Stein ·

    使用语言模型进化 AutoML 的可执行管道程序

    arXiv:2608.16416v1 Announce Type: new Abstract: Automated machine learning (AutoML) systems search for pipelines within a space of preprocessing operators, learners, and hyper-parameters specified in advance: they can select and tune known components, but cannot produce structure…

  2. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Niki van Stein ·

    使用语言模型进化 AutoML 的可执行管道程序

    Automated machine learning (AutoML) systems search for pipelines within a space of preprocessing operators, learners, and hyper-parameters specified in advance: they can select and tune known components, but cannot produce structure outside that space. We present LACE, an AutoML …

相关实体

相关话题