84,7%-os sikerrel épít ML-folyamatokat az új ötagenses AI-rendszer
A rendszer 150 különböző gépi tanulási feladaton bizonyított, jelentősen felülmúlva a korábbi alapmodelleket.
Ötagenses AI-architektúrát fejlesztettek ki, amely a gépi tanulási (ML) folyamatok teljes körű automatizálását ígéri, adathalmazokból és természetes nyelvi célokból kiindulva — írja az ArXiv AI tudományos portálon megjelent tanulmány.
A kutatók szerint a rendszer növeli a hatékonyságot, a robusztusságot és az átláthatóságot. Az öt ügynök profilozással, szándékértelmezéssel, mikroszolgáltatás-ajánlással, irányított aciklikus gráf (DAG) felépítésével és végrehajtásával foglalkozik. A megoldás 84,7%-os végponttól végpontig tartó folyamat-sikerességi rátát ért el, felülmúlva az alapvető módszereket.
A rendszer kulcseleme a kódalapú Retrieval-Augmented Generation (RAG) integrációja a mikroszolgáltatások megértéséhez, egy magyarázható hibrid ajánlórendszer, amely több kritériumot is figyelembe vesz, valamint egy öngyógyító mechanizmus. Ez utóbbi nagyméretű nyelvi modelleken (LLM) alapuló hibaelemzést és adaptív tanulást használ a végrehajtási előzményekből. Az öngyógyító képesség javítja a robusztusságot, és csökkenti a munkafolyamatok fejlesztési idejét.
A kutatók 150 ML-feladaton értékelték az új megközelítést, változatos forgatókönyvekben. A rendszer nemcsak a sikerességi rátában, hanem a hibatűrésben is jelentős előrelépést mutatott, ami kritikus fontosságú az autonóm ML-folyamatok jövőbeli alkalmazásai szempontjából.