arXiv · cs.AI · Zixiao Zhao, Jing Sun, Zhe Hou, Mengze Li, Qian Liu, Cheng-Hao Cai, Zijian Zhang, Xin Wang, Gillian Dobbie, Jin Song Dong · 4 小时前模型评分46
EvoML：用验证门控与专家技能实现端到端 ML 流水线自动合成
Validation-Gated ML Pipeline Synthesis with Expert-Grounded Self-Evolving Skills
导读
EvoML 是一个端到端机器学习流水线合成框架，把构建过程拆成四个阶段，由 Orchestrator、Executor、Curator 三个智能体协同，只有输出通过结构、执行和语义检查才进入下一阶段。它在八个数据集、六类真实任务上实现全自动并取得最佳模型质量，包括分割 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。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We present EvoML, an agentic framework for end-to-end ML pipeline synthesis built on expert-grounded skills that evolve across runs, executed through a validation-gated harness.”
来源：arXiv · cs.AI · arxiv.org