KompeteAI: Nuovo Framework AutoML con Sistema Multi-Agente
Un nuovo articolo di ricerca presenta KompeteAI, un framework AutoML progettato per superare le limitazioni dei sistemi esistenti basati su Large Language Model (LLM). Il sistema affronta due questioni chiave: strategie di esplorazione vincolate e colli di bottiglia nell'esecuzione. Per l'esplorazione, KompeteAI utilizza una fase di merging per combinare i migliori candidati dalla Monte Carlo Tree Search (MCTS), a differenza dei metodi precedenti che trattano le idee in modo isolato. Integra inoltre Retrieval-Augmented Generation (RAG) per reperire idee da notebook Kaggle e articoli arXiv. Per affrontare i colli di bottiglia nell'esecuzione, il framework impiega pipeline multi-agente autonome accelerate per la risoluzione end-to-end di problemi di machine learning. L'articolo è disponibile su arXiv con ID 2508.10177.
Fatti principali
- KompeteAI è un framework AutoML per problemi di machine learning.
- Utilizza un sistema multi-agente per la generazione end-to-end di pipeline.
- Affronta le limitazioni di esplorazione dei metodi one-shot e MCTS.
- Introduce una fase di merging per comporre i migliori candidati.
- Integra RAG da Kaggle e arXiv per l'espansione delle ipotesi.
- Mira a ridurre i colli di bottiglia nell'esecuzione dovuti alla lunga validazione del codice.
- Articolo pubblicato su arXiv con ID 2508.10177.
- Si concentra sui sistemi AutoML basati su LLM.
Entità
Istituzioni
- arXiv
- Kaggle