EvoML 用验证门控与自演化技能库实现全自动ML流水线合成。
资讯摘要
论文提出 EvoML，一个基于专家技能并跨运行自演化的智能体框架，用于端到端机器学习流水线合成。它把流水线构建拆为四个阶段，由编排器、执行器和策展器三个智能体协作：编排器设置验证门，仅在结构、执行与语义检查通过后推进阶段，以阻止错误传播；执行器运行以 nnU-Net 工作流为基础的技能；策展器在运行后把脚本与指导并入技能库。作者在八个数据集、六类任务上评测，报告全部实现全自动化且最终模型质量最佳。
要点速读
- 框架由编排器、执行器、策展器三个智能体协调四个流水线构建阶段。
- 验证门包含结构、执行、语义三类检查，未通过则不进入下一阶段。
- 作者在八个数据集上报告分割 Dice 最高 0.94、分类准确率 0.99、重建 SSIM 0.95、去噪归一化 PSNR 0.79。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。