Что это?
AutoLOGIC — это агентский фреймворк для автоматизированного табличного машинного обучения в задачах классификации, регрессии и кластеризации. Он превращает спецификацию задачи в скоординированные планы признаков, модели, оптимизации и управления выводом, а затем выполняет их инструментами под конкретную задачу.
AutoLOGIC — это агентский фреймворк для автоматизированного табличного машинного обучения в задачах классификации, регрессии и кластеризации. Он превращает спецификацию задачи в скоординированные планы признаков, модели, оптимизации и управления выводом, а затем выполняет их инструментами под конкретную задачу.Это готовый инструмент или исследовательский фреймворк, под который пишут скрипты?Это исследовательский фреймворк: вы описываете задачу конфигом TaskSpec и запускаете соответствующий Python-раннер с --task-spec, а не приложение вида «открыл и кликнул».
Это исследовательский фреймворк: вы описываете задачу конфигом TaskSpec и запускаете соответствующий Python-раннер с --task-spec, а не приложение вида «открыл и кликнул».Как запустить задачу?Задайте пути к датасетам и эндпоинт LLM через переменные окружения, затем запустите раннер для конкретной задачи с --task-spec, указывающим на ваш конфигурационный файл.
Задайте пути к датасетам и эндпоинт LLM через переменные окружения, затем запустите раннер для конкретной задачи с --task-spec, указывающим на ваш конфигурационный файл.Нужен ли LLM API, чтобы этим пользоваться?Да, AgenticReasoningAgent полагается на настроенный эндпоинт LLM, задаваемый вместе с путями к данным через переменные окружения.
Да, AgenticReasoningAgent полагается на настроенный эндпоинт LLM, задаваемый вместе с путями к данным через переменные окружения.Это готово к продакшену или скорее исследовательский артефакт?Это выглядит как исследовательский код, написанный в сопровождение статьи: он содержит отдельные скрипты reproduce/fig4, fig5, fig6 для воспроизведения рисунков и зависит от бенчмарк-модулей legacysage/compat, а не упакован для продакшена.
Это выглядит как исследовательский код, написанный в сопровождение статьи: он содержит отдельные скрипты reproduce/fig4, fig5, fig6 для воспроизведения рисунков и зависит от бенчмарк-модулей legacysage/compat, а не упакован для продакшена.Что за четыре канала планов координирует агент?Он координирует планы конструирования признаков, построения модели, оптимизации и управления выводом, причём каждый пересматривается независимо на основе обратной связи от выполнения.
Он координирует планы конструирования признаков, построения модели, оптимизации и управления выводом, причём каждый пересматривается независимо на основе обратной связи от выполнения.Какие типы результатов может выдавать задача?В зависимости от задачи AutoLOGIC может выдавать стекинг, дистилляцию, калибровку, интервалы предсказания или кластеризацию.
В зависимости от задачи AutoLOGIC может выдавать стекинг, дистилляцию, калибровку, интервалы предсказания или кластеризацию.Как агент решает, менять ли свой план?После выполнения оценки валидации, сбои, повторные попытки и фолбэки возвращаются как наблюдения, и агент фиксирует переход retain, revise или fallback для затронутого канала плана.
После выполнения оценки валидации, сбои, повторные попытки и фолбэки возвращаются как наблюдения, и агент фиксирует переход retain, revise или fallback для затронутого канала плана.Можно ли воспроизвести рисунки из статьи с помощью этого репозитория?Да, папки reproduce/fig4, fig5 и fig6 содержат скрипты запуска бенчмарков, калибровки, дистилляции и кластеризации, которыми генерировались эти рисунки.
Да, папки reproduce/fig4, fig5 и fig6 содержат скрипты запуска бенчмарков, калибровки, дистилляции и кластеризации, которыми генерировались эти рисунки.What are similar projects?sktime, DeepAnalyze, rrsi, autogluon, strands-decider, RD-Agent, homemade-machine-learning, lime
sktime, DeepAnalyze, rrsi, autogluon, strands-decider, RD-Agent, homemade-machine-learning, limeWhich topics is it in?automl, clustering, tabular-data, classification, agentic, data-science, benchmark, framework, research, agent, machine-learning, automation
automl, clustering, tabular-data, classification, agentic, data-science, benchmark, framework, research, agent, machine-learning, automation