Fugu-MT 論文翻訳(概要): UniAutoML: A Human-Centered Framework for Unified Discriminative and Generative AutoML with Large Language Models

論文の概要: UniAutoML: A Human-Centered Framework for Unified Discriminative and Generative AutoML with Large Language Models

arxiv url: http://arxiv.org/abs/2410.12841v2
Date: Fri, 18 Oct 2024 03:03:01 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-21 14:23:34.252451
Title: UniAutoML: A Human-Centered Framework for Unified Discriminative and Generative AutoML with Large Language Models
Title（参考訳）: UniAutoML: 大規模言語モデルによる識別と生成の統一のための人間中心のフレームワーク
Authors: Jiayi Guo, Zan Chen, Yingrui Ji, Liyun Zhang, Daqin Luo, Zhigang Li, Yiqin Shen,
Abstract要約: 我々は、人間中心のAutoMLフレームワークであるUniAutoMLを紹介し、AutoMLを識別的タスクと生成的タスクの両方に統一する。 UniAutoMLの人間中心の設計は、自然言語の対話を容易にする対話型ユーザインタフェース(CUI)を革新的に特徴付けている。この設計により、AutoMLトレーニングプロセス全体の透明性とユーザコントロールが向上し、ユーザがトレーニング対象のモデルをシームレスに分解あるいは修正できるようになる。
参考スコア（独自算出の注目度）: 5.725785427377439
License:
Abstract: Automated Machine Learning (AutoML) has simplified complex ML processes such as data pre-processing, model selection, and hyper-parameter searching. However, traditional AutoML frameworks focus solely on discriminative tasks, often falling short in tackling AutoML for generative models. Additionally, these frameworks lack interpretability and user engagement during the training process, primarily due to the absence of human-centered design. It leads to a lack of transparency in final decision-making and limited user control, potentially reducing trust and adoption of AutoML methods. To address these limitations, we introduce UniAutoML, a human-centered AutoML framework that leverages Large Language Models (LLMs) to unify AutoML for both discriminative (e.g., Transformers and CNNs for classification or regression tasks) and generative tasks (e.g., fine-tuning diffusion models or LLMs). The human-centered design of UniAutoML innovatively features a conversational user interface (CUI) that facilitates natural language interactions, providing users with real-time guidance, feedback, and progress updates for better interpretability. This design enhances transparency and user control throughout the AutoML training process, allowing users to seamlessly break down or modify the model being trained. To mitigate potential risks associated with LLM generated content, UniAutoML incorporates a safety guardline that filters inputs and censors outputs. We evaluated UniAutoML's performance and usability through experiments on eight diverse datasets and user studies involving 25 participants, demonstrating that UniAutoML not only enhances performance but also improves user control and trust. Our human-centered design bridges the gap between AutoML capabilities and user understanding, making ML more accessible to a broader audience.
Abstract（参考訳）: Automated Machine Learning (AutoML)は、データ前処理、モデル選択、ハイパーパラメータ検索などの複雑なMLプロセスを単純化した。しかし、従来のAutoMLフレームワークは差別的なタスクのみに重点を置いており、しばしば生成モデルにAutoMLに取り組むことに不足している。さらに、これらのフレームワークは、トレーニングプロセス中に解釈可能性やユーザエンゲージメントを欠いている。これにより、最終的な意思決定の透明性が欠如し、ユーザコントロールが制限され、AutoMLメソッドの信頼性と採用が低下する可能性がある。これらの制限に対処するため、UniAutoMLは、Large Language Models(LLMs)を活用して、差別的(例えば、分類や回帰タスクのためのTransformerとCNN)と生成的タスク(例えば、微調整拡散モデルまたはLLMs)の両方にAutoMLを統合する、人間中心のAutoMLフレームワークである。 UniAutoMLの人間中心の設計は革新的に会話型ユーザインタフェース(CUI)を備えており、自然言語の対話を容易にし、ユーザにリアルタイムのガイダンス、フィードバック、理解性向上のための進捗アップデートを提供する。この設計により、AutoMLトレーニングプロセス全体の透明性とユーザコントロールが向上し、ユーザがトレーニング対象のモデルをシームレスに分解あるいは修正できるようになる。 LLM生成コンテンツに関連する潜在的なリスクを軽減するため、UniAutoMLでは、入力をフィルタリングして出力を検閲する安全ガードラインが組み込まれている。我々は、UniAutoMLの性能とユーザビリティを、25人の参加者を含む8つの多様なデータセットとユーザスタディの実験を通して評価し、UniAutoMLはパフォーマンスを向上するだけでなく、ユーザコントロールと信頼も向上することを示した。私たちの人間中心のデザインは、AutoML機能とユーザ理解のギャップを埋めるものであり、MLをより広範囲のオーディエンスに利用できるようにするものです。

論文の概要: UniAutoML: A Human-Centered Framework for Unified Discriminative and Generative AutoML with Large Language Models

関連論文リスト