实体
MLE-Bench
MLE-Bench
PulseAugur coverage of MLE-Bench — every cluster mentioning MLE-Bench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
iML框架通过可执行、问题导向的代码增强AutoML
研究人员推出了一种新的代码驱动的自动化机器学习（AutoML）框架iML。iML通过专注于生成可执行、问题导向且广泛探索的代码，解决了当前AutoML系统的局限性。该框架采用多智能体方法，分析任务和数据，为跨各种机器学习方法的代码生成创建结构化蓝图，并通过接口检查和迭代调试确保可靠性。
-
FML-Bench 基准测试质疑机器学习研究中的算法进展
一个名为 FML-Bench 的新基准测试表明，近期在自动化机器学习研究（尤其是在代码编辑代理等领域）的进展，并非主要归功于算法的进步。在控制了模型能力和搜索预算等因素后，像 AIDE 这样的旧算法与现代系统表现相当。这表明观察到的进展很大程度上可归因于基础模型的改进和问题定义的转变，而非根本性的算法效率提升。
-
新的MLEvolve框架自动化机器学习算法发现
研究人员开发了MLEvolve，一个新颖的、基于LLM的多智能体框架，用于自动化机器学习算法发现。该框架通过解决信息孤岛、内存限制和分层控制问题，改进了现有方法。MLEvolve利用先进的搜索机制、回顾性记忆系统和自适应编码策略，在基准任务上取得了最先进的性能，甚至超越了专业方法。