智能AI
morning
DS-Lighting：使代理线束显式用于数据科学自动化
摘要
arXiv:2608.28590v1 Announce Type: new Abstract: Large Language Model (LLM) agents have shown promise for automating data-science workflows, yet their end-to-end performance depends critically on the a...
and
data
harness
science
agents
end
that
for
workflows
the
2026-09-02
1 阅读
约1分钟阅读
Fan Liu, Hao Liu
字号:
arXiv:2608.28590v1 公告类型：新 摘要：大型语言模型 (LLM) 代理已显示出自动化数据科学工作流程的希望，但其端到端性能主要取决于表示任务、管理执行状态、约束输出工件和提供评估反馈的代理工具。现有的数据科学代理通常会隐式使用这种工具，导致结果难以在异构任务中重现、比较和归因。我们推出 DS-Lighting，这是一个统一的线束工具包，可以使线束设计明确用于数据科学自动化。 DS-Lighting 将线束分解为四个可重用层：数据、工作流、执行和评估，并将不同的代理表示为支持预定义管道和自适应搜索的可执行操作程序。我们进一步将多个开源数据科学基准集成到 MLE-Bench 风格的任务格式中，从而在共享任务接口、沙盒运行时和指标协议下实现受控比较。跨代理、线束、模型和消融的实验表明，显式线束设计提高了可重复性、可比性和可靠性，同时减少了端到端数据科学工作流程中可避免的系统级故障。我们的代码可在 https://github.com/usail-hkust/dslighting 获取
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱