automated machine learning
PulseAugur coverage of automated machine learning — every cluster mentioning automated machine learning across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
新框架增强了自动化传感器诊断流水线的透明度
研究人员引入了一种名为候选者命运核算（candidate-fate accounting）的新框架，以提高工业传感器诊断的自动化机器学习（AutoML）的透明度。该方法解决了仅报告成功试验的常见做法，而忽略了无效、修剪或不匹配的候选者信息。通过追踪每个候选者的命运，该框架提供了信号约束、预算使用和未评估替代方案的可审计证据，从而改进了诊断搜索流水线的审查过程。实验表明，该方法在保持具有竞争力的诊断性能的同时，识别出了大量被忽略的候选者。
-
新的 AutoML 框架使用 LLM 进化可执行的 Python 管道
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 …
-
新论文提出用于招聘中道德AI的人机交互（HCI）框架
一篇新论文探讨了在专门用于人力资源招聘流程的自动化机器学习（AutoML）工具中整合公平性和用户体验。文章指出，虽然AutoML提高了效率，但存在延续历史数据偏见的风险。该研究通过定性的人机交互（HCI）审计和对八个AutoML平台的定量测试，发现了透明度、用户控制和偏见缓解方面的显著不足。为解决这些问题，该论文提出了一个新的基于人机交互（HCI）的公平性评估框架，并主张将公平性直接嵌入AutoML系统的产品设计中，以确保道德可持续性…
-
MVB Bank 与 Bretton AI 合作，实现自动化合规筛查
MVB Bank 已与 Bretton AI 合作，以加强其“了解你的客户”(KYC) 和“反洗钱”(AML) 合规流程。此次合作将利用 Bretton AI 的能力来自动化筛查程序。一个位于美国的专门团队将监督系统生成的警报的审查，确保遵守银行的具体政策。
-
LLM驱动的代理简化了生物学家的蛋白质工程
已开发出两个新的代理框架AutoProteinEngine (AutoPE) 和 TourSynbio-Search，以简化生物学家的蛋白质工程。AutoPE 利用大型语言模型 (LLM) 实现与深度学习模型的自然语言交互，用于模型选择和超参数优化等任务。TourSynbio-Search 由 TourSynbio-7B LLM 提供支持，提供跨科学文献和蛋白质数据库的统一搜索方法，解释自然语言查询以从 UniProtKB 和 arX…
-
DoctorAgents 框架使用 LLM 代理优化临床数据 AutoML · 跟踪 2 个来源
研究人员推出 DoctorAgents，一个旨在优化临床时间序列数据自动化机器学习 (AutoML) 流水线的新型人工智能框架。该框架利用专门的大型语言模型 (LLM) 代理自主构建和优化机器学习流水线，超越了传统的暴力搜索方法。DoctorAgents 采用自然语言反馈和文本梯度下降进行有针对性的更新，在各种临床任务上展示出比现有 AutoML 基线更优越的性能和可解释性。
-
AutoML 管道自动化文本数据趋势预测
本文介绍了 AutoCluster、AutoTopicModeling 和 AutoTrendAnalysis，这是一个全面的 AutoML 管道，旨在从具有时间属性的文本数据中预测新兴趋势。该系统自动化了最佳聚类、主题建模（LDA、LSA、BERTopic、NMF）和时间序列预测（Prophet、ARIMA、STL、LSTM）算法的选择。通过根据预测准确性对主题进行分类，该框架识别出强信号、弱信号和噪声，旨在减少手动工作量并提高机器…
-
USA Digital Hub 提供已验证的 Revolut 和币安账户
USA Digital Hub 实体提供 Revolut 和币安等金融平台的已验证账户。这些服务旨在绕过冗长的验证流程，让用户立即获得增强功能和更高的交易限额。这些账户被视为个人和企业在全球范围内扩展其数字业务的方式，特别是对于那些银行服务受限的地区。
-
新研究质疑生存模型评估方法
一篇新发表在arXiv上的论文探讨了评分规则在生存模型评估中的恰当性，特别是在删失情况下的评估。由Raphael Sonabend领导的研究引入了边际恰当性的概念，并证明了像SBS和ISBS这样常用的规则在有限随访或治愈比例下可能变得不恰当。该研究强调了这些理论问题可能导致模型之间产生误导性比较，并强调了在生存分析中改进评估方法的必要性。
-
梯度跨度算法在高维机器学习中展现出可预测的进展
研究人员已经证明，“梯度跨度算法”在高维度的缩放高斯随机函数上表现出可预测的行为。这一发现为大型机器学习模型在复杂地形上进行随机初始化后，多次训练运行中观察到的持续成本曲线提供了理论解释。可预测的进展现象已被自动化机器学习（AutoML）社区利用，减少了使用相同超参数进行重复训练的需要。
-
MLOps 指南涵盖 AI 生命周期、部署和治理
本文全面概述了 MLOps，涵盖了从初始开发到部署和持续管理的整个 AI 生命周期。它深入探讨了关键概念，如 AI 治理、漂移检测、AutoML 以及联邦学习和分布式学习等各种学习范式。文章还概述了有效实施 MLOps 所必需的 AI 技术栈的关键组成部分。
-
新框架通过线索引导的发现，助力反洗钱调查
研究人员开发了一个名为 Clue2Group 的新框架，以协助反洗钱调查。该框架克服了现有方法的局限性，允许分析人员从特定线索开始，逐步揭示金融网络中隐藏的犯罪团伙及其结构。Clue2Group 构建了一个聚焦的局部调查上下文，使用图神经网络估算风险场，并整合各种证据类型来识别连贯的洗钱团伙，展示了其在实际反洗钱工作流程中的实用价值。
-
AutoML 优化深度迁移神经网络以提高效率和性能
研究人员开发了一种使用 AutoML 的多目标超参数优化方法，以提高深度迁移神经网络 (DSNNs) 的效率和性能。该方法专门针对图像分类任务，旨在平衡准确性与降低能耗和排放。该方法确定了 DSNN 配置，可将性能提高约 20%，同时将排放量减少 60% 以上，揭示了量化策略中细微的权衡。
-
新的机器学习评估指标优先考虑计算成本而非准确率
一篇新研究论文提出了一种机器学习模型评估的范式转变，超越了最大准确率，转而考虑计算成本。该指标基于达到目标准确率所需的梯度下降步数，被视为一种新颖的自动化机器学习（AutoML）形式。在11个模型和五个数据集上的实验表明，大的学习率可以优化此成本指标，从而促进泛化并减少训练时间。该研究还确定了实现较低准确率目标与性能极限的不同策略，建议前者采用单次运行，后者采用多次短时重启。
-
新的超参数优化方法提高了 DSNN 的准确性和可持续性
研究人员开发了一种面向深度迁移神经网络 (DSNN) 的多目标超参数优化 (HPO) 方法，以促进可持续深度学习。该方法结合了多保真度 HPO 和多目标优化，以平衡模型准确性与能耗。实验表明，该方法可以产生准确率超过 80% 的模型，同时显著降低计算成本，从而促进更高效、可持续的人工智能发展。
-
研究论文发布面向银行业的AI安全代理
一篇新研究论文详细介绍了一款专为银行业设计的AI安全代理，能够跨零售和公司账户检测多向量欺诈和反洗钱（AML）活动。该代理采用三组件融合架构，分别处理交易和会话数据流，整合了LSTM模型、统计监视器和图网络模块。实验表明，所提出的模型显著优于基线方法，在交易和会话流方面均取得了高F1分数，并集成了客户验证和分析师案例摘要工具。
-
新的LLM编排多智能体框架增强BDaaS生命周期自动化
研究人员开发了一个新的大数据即服务（BDaaS）框架，该框架利用由中央LLM编排的多智能体系统。该系统旨在自动化和提高从摄取到部署后监控和漂移检测的整个数据工程和MLOps生命周期的可靠性。与现有的单智能体或仅AutoML方法相比，所提出的架构将任务分解为专门的智能体，增强了生命周期级别的编排、工件治理和人工监督。
-
BioAutoML-NAS框架在昆虫分类中达到96.81%的准确率
研究人员开发了BioAutoML-NAS，一个用于昆虫分类的新型框架，它整合了包括图像和元数据在内的多模态数据。该系统利用神经架构搜索（NAS）来优化网络结构，并利用多模态融合模块来结合视觉和生物信息。在BIOSCAN-5M和Insects-1M数据集上的评估表明，BioAutoML-NAS在准确性和效率方面显著优于现有的迁移学习、Transformer、AutoML和NAS方法。
-
AI代理的USDC收益通过持牌服务商兑换成法定货币
一位开发者概述了一种方法，可以让AI代理将其以USD Coin (USDC) 形式获得的收益兑换成法定货币（具体为欧元），并存入银行账户。该过程涉及AI代理和持牌第三方服务商之间的职责划分，确保合规性，同时避免AI代理直接处理敏感的财务信息。AI代理负责通过x402协议处理API调用和支付费用，而像Transak这样的服务商则负责实际的加密货币到法定货币的兑换、KYC（了解你的客户）和托管。AI代理的所有者必须手动确认最终转账，以确保…
-
新的 HPO 方法有望降低成本，AWS 详细介绍调优策略
研究人员开发了一种新的超参数优化 (HPO) 方法，该方法显著降低了训练大型机器学习模型相关的计算成本和能源消耗。该方法利用有关模型性能的先验信息来指导优化过程，提供了量化先验信息如何减少所需评估次数的理论界限。在基准测试上的实验表明，在保持解决方案质量的同时，预算减少高达 90%，为更高效、更可持续的 AutoML 实践奠定了基础。与此同时，AWS 正在详细介绍在其 Nova Forge 平台上进行有效超参数调优的策略，强调领域专业…