FlowPipe:面向数据准备流水线构建的大语言模型增强条件生成流网络
《Proceedings of the ACM on Management of Data》:FlowPipe: LLM-Enhanced Conditional Generative Flow Networks for Data Preparation Pipeline Construction
【字体:
大
中
小
】
时间:2026年10月24日
来源:Proceedings of the ACM on Management of Data
编辑推荐:
摘要AI 摘要要查看此 AI 生成的摘要,您必须拥有高级访问权限。了解更多登录摘要摘要数据准备流水线是提高机器学习工作流中数据质量的主要机制,通过顺序的清洗与特征变换算子将原始且易出错的表格数据转变为可供学习的数据。然而,由于算子序列的组合复杂性以及端到端评估的高昂成本,自动
要查看此 AI 生成的摘要,您必须拥有高级访问权限。
摘要
摘要
数据准备流水线是提高机器学习工作流中数据质量的主要机制,通过顺序的清洗与特征变换算子将原始且易出错的表格数据转变为可供学习的数据。然而,由于算子序列的组合复杂性以及端到端评估的高昂成本,自动化流水线构建的计算开销仍然难以承受。尽管强化学习提供了一种有原则性的离散搜索范式,但最先进的(SOTA)多 DQN 架构存在三个根本性局限:结构失调,即解耦的价值估计器阻碍了长时域信用分配;语义脱节,即数据集上下文仅被视为一种表面的加性偏置,而非严格约束代理的推理过程;以及在充满大量无效流水线状态的广阔稀疏优化空间中的探索低效。为应对这些挑战,我们提出FlowPipe——一个统一的框架,将流水线合成重新表述为有向无环图上的条件概率流生成。首先,FlowPipe 采用通过轨迹平衡目标优化的条件生成流网络(C-GFlowNets),建立了从终端验证奖励到早期动作的直接梯度路径,以确保全局信用分配。其次,为解决语义脱节问题,我们引入通过特征级线性调制(FiLM)实现的深度语义调制,使大语言模型(LLM)派生的逻辑先验能够乘法式地调制策略的内部激活图,从而在结构上使决策逻辑适应数据集上下文。最后,为缓解探索低效问题,我们将失败感知机制融入流目标函数中,以尽早剪除语义无效状态并将搜索质量集中到高潜力区域。在涵盖 74 个真实世界数据集的两套基准上的大量实验表明,FlowPipe 显著优于 SOTA 基线方法,准确率平均提升11.96%,同时训练收敛速度实现了12.5 倍的加速。源代码可在 https://github.com/KunyuNi/FlowPipe 获取。
AI 摘要
AI 生成的摘要(实验性)
本摘要由自动化工具生成,未经本文作者撰写或审核。其目的是支持发现,帮助读者评估相关性,并协助来自相邻研究领域的读者理解本文工作。它旨在补充作者提供的摘要,后者仍为本文的权威摘要。完整文章仍为权威的正式版本。点击此处了解更多。
点击此处对此摘要的准确性、清晰度和实用性进行评价。这样做将有助于改进及未来重新生成的版本。
要查看此 AI 生成的通俗摘要,您必须拥有高级访问权限。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号