MALMAS: Sistema Multi-Agente con Memoria Aumentata per la Generazione Automatica di Feature
Un recente articolo pubblicato su arXiv introduce MALMAS, un Sistema Multi-Agente che utilizza LLM con Memoria Aumentata per la generazione automatica di feature da dati tabellari. Questo sistema supera le limitazioni delle tecniche convenzionali che dipendono da librerie di operatori statici e non sfruttano la semantica del compito. Sebbene siano emersi recenti metodi basati su LLM, essi sono ancora ostacolati da uno spazio di feature limitato a causa dei loro schemi di generazione fissi e del feedback inadeguato dagli obiettivi di apprendimento. MALMAS migliora il processo di generazione assegnando ruoli specifici agli agenti, con un Agente Router che seleziona un sottoinsieme appropriato per ogni iterazione per espandere l'esplorazione. Inoltre, viene incorporato un aumento della memoria per migliorare la qualità delle feature. La ricerca è accessibile su arXiv:2604.20261.
Fatti principali
- 1. MALMAS sta per Sistema Multi-Agente basato su LLM con Memoria Aumentata
- 2. Il sistema è progettato per la generazione automatica di feature su dati tabellari
- 3. Utilizza più agenti con responsabilità distinte
- 4. Un Agente Router attiva sottoinsiemi di agenti per iterazione
- 5. L'approccio affronta le limitazioni dei metodi tradizionali e di quelli esistenti basati su LLM
- 6. L'articolo è pubblicato su arXiv con ID 2604.20261
- 7. Il tipo di invio è nuovo
- 8. Il sistema incorpora l'aumento della memoria
Entità
Istituzioni
- arXiv