論文の概要: TuiML: Machine Learning for AI Agents

• arxiv url: http://arxiv.org/abs/2609.17984v1
• Date: Wed, 16 Sep 2026 01:14:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.587833
• Title: TuiML: Machine Learning for AI Agents
• Title（参考訳）: TuiML: AIエージェントのための機械学習
• Abstract要約: TuiMLはAIエージェント用に開発された、自己完結型機械学習ライブラリである。 すべての呼び出しは検証され、シードされ、トレースされ、実行中のノートブックとしてトレースされる。 TuiMLは、Scikit-LernやWekaと予測的に競合する。
• 参考スコア（独自算出の注目度）: 13.795794477981502
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine-learning libraries such as Weka and scikit-learn were designed for human programmers. Language-model agents now use these same libraries by recalling APIs from memory and writing code, an approach that hides what a library offers, delays errors until runtime, and loses experimental state between turns. We present TuiML, a self-contained machine-learning library built for AI agents, with native algorithms across supervised, unsupervised, time-series, data handling, tuning, and evaluation tasks. Every component describes itself through machine-readable metadata and parameter schemas, so an agent can search the library, inspect components, compose validated workflows, and register new ones that become discoverable in turn. Every call is validated, seeded, and traced, and sessions export as runnable notebooks, making experiments reproducible by construction. One specification layer drives the Model Context Protocol (MCP), agent-framework adapters, a Python API, a CLI, and local model serving, while data and models never leave the machine. Benchmarks show TuiML remains predictively competitive with scikit-learn and Weka. While looking like a conventional library to a human user, TuiML is designed for agents first, allowing them to read, extend, and operate machine learning autonomously. TuiML is open source, with documentation at https://tuiml.ai.
• Abstract（参考訳）: WekaやScikit-learnといった機械学習ライブラリは、人間のプログラマのために設計された。 言語モデルエージェントは、メモリからAPIをリコールし、コードを記述することで、これらのライブラリを使用するようになった。 AIエージェント用に構築された自己完結型機械学習ライブラリであるTuiMLを、教師付き、教師なし、時系列、データハンドリング、チューニング、評価タスクにまたがるネイティブアルゴリズムで紹介する。 各コンポーネントは、マシン可読なメタデータとパラメータスキーマを通じて自身を記述するため、エージェントはライブラリを検索し、コンポーネントを検査し、検証済みのワークフローを作成し、次に発見可能な新しいコンポーネントを登録することができる。 すべての呼び出しが検証され、シードされ、トレースされ、セッションは実行可能なノートブックとしてエクスポートされる。 1つの仕様レイヤは、モデルコンテキストプロトコル(MCP)、エージェント・フレームワーク・アダプタ、Python API、CLI、ローカルモデル・サーブを駆動するが、データとモデルはマシンを離れることはない。 ベンチマークによると、TuiMLはScikit-learnやWekaと予測的に競合している。 TuiMLは従来のライブラリのように見えるが、まずエージェント用に設計されており、機械学習を自律的に読み、拡張、操作することができる。 TuiMLはオープンソースで、ドキュメントはhttps://tuiml.ai.comにある。

関連論文リスト

• OpenLanguageModel: Readable and Composable Small-Language-Model Pretraining for Education and Research [1.1654568410166084]
  OpenLanguageModel (OLM)は、小さな言語モデルの構築と事前学習のためのオープンソースのPyTorchライブラリである。 このパッケージには、9つの親しみのあるモデルファミリにわたる27のプリセットと、LMの基礎からアーキテクチャ研究まで進歩したドキュメントが含まれている。
  論文  参考訳（メタデータ） (2026-07-18T06:55:18Z)
• ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation [55.947962672433675]
  ChipMATEは、RTL生成のための最初の自己学習型マルチエージェントフレームワークである。 ChipMATEは産業的な実践に触発され、VerilogエージェントとPythonのリファレンスモデルエージェントをペアにし、相互に出力を検証する。 ChipMATEは、VerilogEval V2で75.0%と80.1%パス@1を4Bと9Bベースモデルで達成している。
  論文  参考訳（メタデータ） (2026-05-13T01:04:21Z)
• Commit0: Library Generation from Scratch [77.38414688148006]
  Commit0は、AIエージェントにスクラッチからライブラリを書くよう促すベンチマークである。 エージェントには、ライブラリのAPIを概説する仕様文書と、インタラクティブなユニットテストスイートが提供されている。 Commit0はまた、モデルが生成したコードに対して静的解析と実行フィードバックを受け取る、インタラクティブな環境も提供する。
  論文  参考訳（メタデータ） (2024-12-02T18:11:30Z)
• Deep Fast Machine Learning Utils: A Python Library for Streamlined Machine Learning Prototyping [0.0]
  Deep Fast Machine Learning Utils (DFMLU)ライブラリは、機械学習プロセスのアスペクトを自動化および拡張するために設計されたツールを提供する。 DFMLUはモデル開発とデータ処理をサポートする機能を提供します。 この原稿はDFMLUの機能の概要を示し、各ツールにPythonの例を提供している。
  論文  参考訳（メタデータ） (2024-09-14T21:39:17Z)
• ml_edm package: a Python toolkit for Machine Learning based Early Decision Making [0.43363943304569713]
  textttml_edmは、時間/シーケンスデータを含む学習タスクの早期決定のために設計されたPython 3ライブラリである。 textttscikit-learnは、textttml_edmと互換性のある推定器とパイプラインを作成する。
  論文  参考訳（メタデータ） (2024-08-23T09:08:17Z)
• MLAgentBench: Evaluating Language Agents on Machine Learning Experimentation [96.71370747681078]
  我々は,CIFAR-10におけるモデル性能の改善から,BabyLMのような最近の研究課題まで,13のタスクからなるMLAgentBenchを紹介した。 各タスクに対して、エージェントはファイルの読み書き、コードの実行、出力の検査などのアクションを実行することができる。 我々は、Claude v1.0、Claude v2.1、Claude v3 Opus、GPT-4、GPT-4-turbo、Gemini-Pro、Mixtralに基づいてベンチマークエージェントをベンチマークし、Claude v3 Opusエージェントが成功率の点で最高であることを示す。
  論文  参考訳（メタデータ） (2023-10-05T04:06:12Z)
• OmniXAI: A Library for Explainable AI [98.07381528393245]
  eXplainable AI(XAI)のオープンソースPythonライブラリであるOmniXAIを紹介する。 オールニウェイで説明可能なAI機能と、さまざまな解釈可能な機械学習技術を提供する。 実践者にとってこのライブラリは、アプリケーションの説明を生成するために、使いやすく統合されたインターフェースを提供する。
  論文  参考訳（メタデータ） (2022-06-01T11:35:37Z)
• Tribuo: Machine Learning with Provenance in Java [0.0]
  トレーニング、型安全性、ランタイムチェック、自動記録をひとつのフレームワークに統合するJava MLライブラリであるTribuoを紹介します。 Tribuoのモデルと評価はすべて、トレーニングアルゴリズムとともに、入力データの完全な処理パイプラインを記録している。
  論文  参考訳（メタデータ） (2021-10-06T19:10:50Z)
• Solo-learn: A Library of Self-supervised Methods for Visual Representation Learning [83.02597612195966]
  solo-learnは視覚表現学習のための自己指導型のメソッドのライブラリである。 Pythonで実装され、PytorchとPytorch Lightningを使用して、このライブラリは研究と業界のニーズの両方に適合する。
  論文  参考訳（メタデータ） (2021-08-03T22:19:55Z)
• From Things' Modeling Language (ThingML) to Things' Machine Learning (ThingML2) [4.014524824655106]
  我々はThingMLを拡張し、モデリングレベルで機械学習をサポートする。 当社のDSLでは、データ分析を行う責務を負うものを定義することができます。 コードジェネレータはJavaとPythonで完全な実装を自動的に生成できます。
  論文  参考訳（メタデータ） (2020-09-22T15:44:57Z)

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。