Agentic-imodels: evoluzione degli strumenti di interpretabilità per agenti AI tramite auto-ricerca

Un nuovo preprint su arXiv introduce Agentic-imodels, un ciclo di auto-ricerca agentica che sviluppa strumenti di data science ottimizzati per l'interpretabilità da parte di agenti AI anziché umani. Il sistema crea una libreria di regressori compatibili con scikit-learn per dati tabulari, bilanciando le prestazioni predittive con una nuova metrica di interpretabilità basata su LLM. Questa metrica utilizza test valutati da LLM per determinare se la rappresentazione testuale di un modello è 'simulabile' da un LLM, ovvero se l'LLM può rispondere a domande sul comportamento del modello basandosi esclusivamente sulla sua output testuale. La ricerca mira a colmare il divario per cui gli attuali sistemi agentici di data science si basano su strumenti interpretabili dall'uomo, che potrebbero non essere ottimali per l'analisi basata su agenti. Il paper è disponibile su arXiv con identificativo 2605.03808.