उपकरण समीक्षाएँ

एमएलएक्सपर्ट स्वायत्त ML इंजीनियरिंग के लिए एक सामान्य एजेंटिक मॉडल की ओर इशारा करता है।

एमएलईएक्सपर्ट, एक 35-अरब मिश्रण-विशेषज्ञ एजेंटिक मॉडल है, जो MLE-Bench Lite पदक दर को 72.7% तक बढ़ाने के लिए निष्पादन प्रतिक्रिया का उपयोग करता है।

एमएलएक्सपर्ट स्वायत्त ML इंजीनियरिंग के लिए एक सामान्य एजेंटिक मॉडल की ओर इशारा करता है।

मुख्य जानकारी

  • MLExpert एक 35B-पैरामीटर मिश्रण-विशेषज्ञ एजेंटिक मॉडल है जिसे स्वायत्त रूप से योजना बनाने, निष्पादित करने और मशीन सीखने के प्रयोगों को संशोधित करने के लिए डिज़ाइन किया गया है।
  • MLE-Bench Lite पर, यह बेस मॉडल की पदक दर को 37.9% से बढ़ाकर 72.7% कर देता है, जो बड़े फ्रंटियर मॉडलों के तुलनीय प्रदर्शन दिखाता है।
  • निश्चित कार्यप्रवाहों के बजाय, यह Kaggle-MLE Factory कार्यों के माध्यम से निष्पादन प्रतिक्रिया से सीखता है, पदानुक्रमित एजेंटिक पर्यवेक्षित fine-tuning और Windowed Interaction Reinforcement Learning।
  • वैज्ञानिक कार्यों, एजेंट मचान अनुकूलन और algorithm अनुकूलन में इसके लाभ से पता चलता है कि सीखी गई प्रतिक्रिया-संचालित अनुकूलन क्षमता ML इंजीनियरिंग से आगे बढ़ सकती है।

मेटा: एमएलएक्सपर्ट एक 35 बिलियन पैरामीटर मिश्रण-विशेषज्ञ एजेंटिक मॉडल है जो निष्पादन प्रतिक्रिया का उपयोग करके MLE-Bench Lite पदक दर को 37.9% से 72.7% तक बढ़ाता है।

MLExpert points toward a generalist agentic model for autonomous ML engineering.

टैगः एमएलएक्सपर्ट, 35 बिलियन, विशेषज्ञों का मिश्रण, एमएलई-बेंच लाइट, एजेंटिक मॉडल

विशेष रुप से प्रदर्शित छवि: वास्तविक लोगों, लोगो और पाठ के बिना मशीन-लर्निंग प्रयोगों की योजना बनाने वाले मिश्रण विशेषज्ञ मॉडल का अमूर्त, मैत्रीपूर्ण चित्रण।

एमएलएक्सपर्ट, 35 बिलियन मापदंडों के साथ एक मिश्रित-विशेषज्ञ एजेंटिक मॉडल है, जिसे मशीन-लर्निंग प्रयोगों को अपने दम पर चलाने के लिए डिज़ाइन किया गया है। यह काम की योजना बना सकता है, उपकरणों का उपयोग कर सकता है और परिणामों के आधार पर चरणों को संशोधित करता है। MLE-Bench Lite पर, MLExpert बेस मॉडल की औसत पदक दर 37.9% से बढ़ाकर 72.7% कर देता है, जो बड़े फ्रंटियर मॉडलों के तुलनीय प्रदर्शन दिखाता है।

MLExpert points toward a generalist agentic model for autonomous ML engineering.

निश्चित कार्यप्रवाहों के बजाय रन से सीखना

मैन्युअल रूप से डिज़ाइन किए गए वर्कफ़्लो पर निर्भर होने के बजाय, एमएलएक्सपर्ट ऑप्टिमाइज़ेशन का मार्गदर्शन करने के लिए निष्पादन फीडबैक का उपयोग करता है। इसका प्रशिक्षण निष्पादित कार्यों को बनाने के लिए कैगल -MLE Factory पर आधारित है, पदानुक्रमित एजेंटिक पर्यवेक्षित fine-tuning का उपयोग करते हैं और Windowed Interaction Reinforcement Learning जोड़ते हैं। यह विधि मध्यवर्ती प्रयोग परिणामों को पूर्ण रन समाप्त होने से पहले मॉडल सिखाती है।

परिणाम क्या सुझाव देता है

MLE-Bench Lite स्कोर आधार मॉडल पर एक बड़ी छलांग दिखाता है। MLExpert ने वैज्ञानिक कार्यों, एजेंट scaffold अनुकूलन और algorithm अनुकूलन में भी लाभ उठाया। उन निष्कर्षों से पता चलता है कि इसकी सीखी गई अनुकूलन क्षमताएं मशीन-लर्निंग इंजीनियरिंग से परे पहुंच सकती हैं।

पाठकों को क्यों ध्यान देना चाहिए

AI प्रयोग स्वचालन को ट्रैक करने वाले पाठकों के लिए, सिग्नल प्रशिक्षण विधि हैः मॉडल एक पूर्व निर्धारित अनुक्रम का पालन करने के बजाय अपने स्वयं के मध्यवर्ती आउटपुट पर प्रतिक्रिया करके सुधार करना सीखता है। रिपोर्ट किए गए लाभ नामित बेंचमार्क और कार्यों से बंधे हैं, लेकिन वे दिखाते हैं कि कैसे फीडबैक संचालित प्रशिक्षण बड़े सीमांत मॉडलों के साथ अंतर को कम कर सकता है।

Comments (0)

  1. No comments yet. Be the first to share what worked for you.

Leave a comment

Comments are reviewed before they appear. Your email address is not published.