研究人员开发了自主机器学习工程师(MLE)代理,能够在大型推荐系统中提出、实施、训练和评估模型变更。这些代理在行业规模的搜索排序器中运行,人类工程师负责目标设计和最终模型审查。该系统通过并行训练、校准目标和仔细的上下文工程,解决了反馈周期长、离线指标与在线影响脱节以及性能饱和等挑战。在一个活动中,代理运行了1097次实验,接受率为29.6%,最佳模型在A/B测试中将搜索量提高了0.23%。 AI
影响 展示了自主代理在生产环境中执行复杂机器学习工程任务的潜力,可能加速模型开发和创新。
排序理由 该集群基于一篇arXiv论文,详细介绍了用于自主机器学习工程的新研究方法和系统。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- MLE agents
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →