AutoML-Agent：用于自动机器学习的多智能体框架

文章介绍了AutoML-Agent，一个创新的多智能体框架，旨在通过利用大型语言模型（LLM）来实现全流程自动化机器学习（AutoML）。AutoML-Agent不仅简化了从数据检索、预处理到模型选择和部署的整个流程，还通过引入检索增强规划策略和多阶段验证机制，提升了模型的性能和准确性。该框架特别关注于降低非专业用户在AI开发中的技术门槛，使他们能够更加便捷地构建和应用数据驱动的解决方案。通过在多个下游任务上的广泛实验，文章验证了AutoML-Agent在各种领域的有效性和优越性。

1 AutoML-Agent框架

多智能体架构
AutoML-Agent框架采用多智能体设计，通过协调不同的智能体来处理AI开发的各个环节。这些智能体各自专注于特定任务，例如数据处理、模型搜索和代码生成，从而提高整体效率。

· 全流程自动化
该框架实现了从数据检索、预处理、特征工程，到模型选择、超参数优化和最终部署的全流程自动化。通过整合各个步骤，AutoML-Agent简化了AI项目的开发过程，使非专业用户也能轻松参与。

· 检索增强规划
AutoML-Agent引入了检索增强的规划策略，利用外部知识库（如文献和数据集）来生成多个候选计划。这个策略帮助框架更好地探索和选择最优解决方案，增强了智能体在解决复杂问题时的灵活性和适应性。

· 任务分解与并行执行
在处理复杂任务时&#