VirnyFlow：面向负责任模型开发的设计空间
机器学习
2025-06-03 v1 人工智能
计算机与社会
摘要
开发机器学习（ML）模型需要对本质上具有多目标性的现实世界问题有深刻理解。在本文中，我们提出了VirnyFlow，这是首个面向负责任模型开发的设计空间，旨在协助数据科学家构建针对其问题特定背景量身定制的ML流水线。与传统的AutoML框架不同，VirnyFlow允许用户定义自定义优化准则，在流水线阶段执行全面实验，并根据现实世界约束迭代地改进模型。我们的系统将评估协议定义、多目标贝叶斯优化、成本感知多臂赌博机、查询优化和分布式并行性集成到一个统一的架构中。我们表明，在五个真实世界基准上，VirnyFlow在优化质量和可扩展性方面均显著优于最先进的AutoML系统，为ML开发中的黑盒自动化提供了一种灵活、高效且负责任的替代方案。
引用
@article{arxiv.2506.01584,
title = {VirnyFlow: A Design Space for Responsible Model Development},
author = {Denys Herasymuk and Nazar Protsiv and Julia Stoyanovich},
journal= {arXiv preprint arXiv:2506.01584},
year = {2025}
}