UniAutoML：面向统一判别式与生成式 AutoML 的以人类为中心的大型语言模型框架
计算与语言
2024-10-21 v2 人工智能
人机交互
机器学习
摘要
自动化机器学习（AutoML）已简化了诸如数据预处理、模型选择和超参数搜索等复杂的机器学习流程。然而，传统的 AutoML 框架仅聚焦于判别式任务，在处理生成式模型的 AutoML 时显得不足。此外，这些框架在训练过程中缺乏可解释性和用户参与，主要源于缺乏以人类为中心的设计。这导致最终决策的透明度不足，用户控制受限，潜在削弱 AutoML 方法的信任和采纳。为此，我们引入了 UniAutoML——一个以大型语言模型（LLM）为基础的、以人类为中心的 AutoML 框架，统一支持判别式（如用于分类或回归任务的 Transformer 和 CNN）和生成式任务（如微调扩散模型或 LLM）。UniAutoML 的以人类为中心设计创新性地引入了对话式用户界面（CUI），促进自然语言交互，为用户提供实时指导、反馈和进度更新，以提升可解释性。该设计在 AutoML 训练过程中增强了透明度和用户控制，使用户能够无缝中断或修改正在训练的模型。为缓解 LLM 生成内容潜在风险，UniAutoML 集成了安全警戒线，对输入进行过滤并对输出进行审查。我们通过在八个多样化数据集上的实验以及针对 25 名用户的调查，评估了 UniAutoML 的性能和可用性，结果表明 UniAutoML 不仅提升了性能，还改善了用户控制和信任水平。我们的以人类为中心的设计弥合了 AutoML 能力与用户理解之间的鸿沟，使机器学习技术更易于广泛接受。
引用
@article{arxiv.2410.12841,
title = {UniAutoML: A Human-Centered Framework for Unified Discriminative and Generative AutoML with Large Language Models},
author = {Jiayi Guo and Zan Chen and Yingrui Ji and Liyun Zhang and Daqin Luo and Zhigang Li and Yiqin Shen},
journal= {arXiv preprint arXiv:2410.12841},
year = {2024}
}