論文の概要: LightAutoDS-Tab: Multi-AutoML Agentic System for Tabular Data

• arxiv url: http://arxiv.org/abs/2507.13413v1
• Date: Thu, 17 Jul 2025 09:33:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-21 20:43:26.088181
• Title: LightAutoDS-Tab: Multi-AutoML Agentic System for Tabular Data
• Title（参考訳）: LightAutoDS-Tab:タブラルデータのためのマルチオートMLエージェントシステム
• Authors: Aleksey Lapin, Igor Hromov, Stanislav Chumakov, Mile Mitrovic, Dmitry Simakov, Nikolay O. Nikitin, Andrey V. Savchenko,
• Abstract要約: 表データを用いたタスクのためのマルチオートMLエージェントシステムであるLightAutoDS-Tabを紹介する。 当社のアプローチはパイプライン設計の柔軟性と堅牢性を改善し、最先端のオープンソースソリューションよりも優れています。
• 参考スコア（独自算出の注目度）: 11.314889511528994
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AutoML has advanced in handling complex tasks using the integration of LLMs, yet its efficiency remains limited by dependence on specific underlying tools. In this paper, we introduce LightAutoDS-Tab, a multi-AutoML agentic system for tasks with tabular data, which combines an LLM-based code generation with several AutoML tools. Our approach improves the flexibility and robustness of pipeline design, outperforming state-of-the-art open-source solutions on several data science tasks from Kaggle. The code of LightAutoDS-Tab is available in the open repository https://github.com/sb-ai-lab/LADS
• Abstract（参考訳）: AutoMLはLLMの統合による複雑なタスクの処理に進歩しているが、その効率は特定の基盤ツールに依存しているため制限されている。 本稿では,LLMベースのコード生成と複数のAutoMLツールを組み合わせたマルチオートMLエージェントシステムであるLightAutoDS-Tabを紹介する。 我々のアプローチはパイプライン設計の柔軟性と堅牢性を改善し、Kaggleのいくつかのデータサイエンスタスクにおける最先端のオープンソースソリューションよりも優れています。 LightAutoDS-Tabのコードはオープンリポジトリhttps://github.com/sb-ai-lab/LADSで公開されている。

関連論文リスト

• LLM-AutoDiff: Auto-Differentiate Any LLM Workflow [58.56731133392544]
  自動プロンプト工学(APE)のための新しいフレームワーク LLM-AutoDiff について紹介する。 LLMs-AutoDiffは、各テキスト入力をトレーニング可能なパラメータとして扱い、フリーズした後方エンジンを使用して、テキスト勾配に対するフィードバック・アキンを生成する。 精度とトレーニングコストの両方において、既存のテキスト勾配ベースラインを一貫して上回ります。
  論文  参考訳（メタデータ） (2025-01-28T03:18:48Z)
• AutoML-Agent: A Multi-Agent LLM Framework for Full-Pipeline AutoML [56.565200973244146]
  自動機械学習(Automated Machine Learning, ML)は、開発パイプライン内のタスクを自動化することによって、AI開発を加速する。 近年の作業では,そのような負担を軽減するために,大規模言語モデル(LLM)の利用が始まっている。 本稿では,フルパイプのAutoMLに適した新しいマルチエージェントフレームワークであるAutoML-Agentを提案する。
  論文  参考訳（メタデータ） (2024-10-03T20:01:09Z)
• Tool Learning in the Wild: Empowering Language Models as Automatic Tool Agents [56.822238860147024]
  大規模な言語モデルを外部ツールで拡張することは、彼らのユーティリティを拡張するための有望なアプローチとして現れました。 以前のメソッドは、ツールドキュメントを手動で解析し、コンテキスト内デモを作成し、ツールをLLMがステップバイステップの推論で使用する構造化フォーマットに変換する。 LLMがツール使用ワークフローを自動化できるフレームワークであるAutoToolsを提案する。
  論文  参考訳（メタデータ） (2024-05-26T11:40:58Z)
• AutoGluon-Multimodal (AutoMM): Supercharging Multimodal AutoML with Foundation Models [31.816755598468077]
  AutoMMは、わずか3行のコードで基礎モデルの微調整を可能にする。 AutoMMは、分類、回帰、オブジェクト検出、セマンティックマッチング、イメージセグメンテーションにまたがる、包括的な機能スイートを提供する。
  論文  参考訳（メタデータ） (2024-04-24T22:28:12Z)
• MLLM-Tool: A Multimodal Large Language Model For Tool Agent Learning [40.32823306537386]
  本稿では,オープンソースの大規模言語モデルとマルチモーダルエンコーダを組み合わせたMLLM-Toolを提案する。 データセットにはHuggingFaceからのマルチモーダル入力ツールが特徴です。 実験の結果,MLLM-Toolはマルチモーダル命令に適したツールを推奨できることがわかった。
  論文  参考訳（メタデータ） (2024-01-19T14:44:37Z)
• EASYTOOL: Enhancing LLM-based Agents with Concise Tool Instruction [56.02100384015907]
  EasyToolは、多種多様で長いツールドキュメントを統一的で簡潔なツール命令に変換するフレームワークである。 トークン使用量を大幅に削減し、現実のシナリオにおけるツール利用のパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2024-01-11T15:45:11Z)
• AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
  AutoActはQAのための自動エージェント学習フレームワークである。 大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
  論文  参考訳（メタデータ） (2024-01-10T16:57:24Z)
• LightAutoML: AutoML Solution for a Large Financial Services Ecosystem [108.09104876115428]
  本稿では、ヨーロッパ大手金融サービス会社向けに開発されたLightAutoMLと呼ばれるAutoMLシステムについて述べる。 当社のフレームワークは、多数のアプリケーションに試験的にデプロイされ、経験豊富なデータサイエンティストのレベルで実行されました。
  論文  参考訳（メタデータ） (2021-09-03T13:52:32Z)
• Amazon SageMaker Autopilot: a white box AutoML solution at scale [16.607423930188734]
  自動機械学習ソリューションを提供するフルマネージドシステムであるAmazon SageMaker Autopilotを紹介します。 Autopilotは問題タイプを特定し、データを解析し、さまざまな完全なMLパイプラインを生成する。 パフォーマンスが不十分なシナリオでは、データサイエンティストが提案されたMLパイプラインを閲覧し、編集することができる。
  論文  参考訳（メタデータ） (2020-12-15T18:29:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。