研究人员开发了 LACE，一个新颖的 AutoML 框架，它利用大型语言模型作为变异算子来进化完整的可执行管道程序。与在预定义组件空间内搜索的传统 AutoML 系统不同，LACE 生成并维护一个 scikit-learn 兼容的 Python 类群。这种方法允许直接检查和编辑生成的管道。在 68 个 OpenML 分类任务上的评估表明，由 GPT-5.4-mini 驱动的 LACE，其性能显著优于 auto-sklearn、H2O 和 XGBoost，并且与 AutoGluon 相当。 AI
影响 这项研究通过利用 LLM 生成可编辑的 Python 代码，引入了一种新颖的 AutoML 方法，有望提高实践者管道的透明度和可重用性。
排序理由 该集群包含一篇详细介绍新框架及其评估的学术论文。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
- autogluon.core
- AutoML
- auto-sklearn
- GPT 5.4 Mini
- H2o Ai
- LACE
- OpenML
- scikit-learn
- Sofoklis Kitharidis
- XGBoost
- Hugging Face
- Python
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
