Zum Inhalt springen
← Alle News
Databricks Blog8. Mai 2026

Verwendung von MemAlign zur Verbesserung der Bewertung von traditionellem maschinellem Lernen in Genie Code

Von KI aus dem englischen Original übersetzt. Auf Englisch ansehen

Zusammenfassung

MemAlign, ein Open-Source-MLflow-Framework, verbesserte die Bewertung von traditionellem maschinellem Lernen in Genie Code erheblich, indem es den LLM-Richterfehler in wichtigen Dimensionen um 74-89% reduzierte. Diese Ausrichtung wurde mit ~50 gelabelten Beispielen erreicht und demonstriert die Bedeutung sowohl des semantischen als auch des episodischen Gedächtnisses, um die Lücke zwischen LLM-Richtern und menschlichen Experten zu schließen.

* Genie Code generiert vollständige ML-Notebooks aus natürlicher Sprache – wir haben neun LLM-Richter entwickelt, um deren Qualität in Dimensionen wie Modelltraining, Datenimputation und Feature Engineering zu bewerten. * Menschliche Annotationen zeigten, dass die Richter mit Experten um bis zu 0,68 MAE auf einer 3-Punkte-Skala nicht übereinstimmten. MemAlign, ein Open-Source-Ausrichtungsframework in MLflow, schloss diese Lücke mit nur ~50 gelabelten Beispielen. * Bei den drei am schlechtesten ausgerichteten Dimensionen reduzierte MemAlign den Richterfehler um 74-89%, und eine Folgestudie zeigte, dass sowohl das semantische als auch das episodische Gedächtnis für das Ergebnis unerlässlich sind.

Ähnliche Artikel

News

Einführung von Unity Gateway Insights

databricks-blog10h ago
News

Neuerungen für Genie in Microsoft: Copilot Cowork und Chat, Microsoft Teams und Excel

databricks-blog16h ago
News

Wie AUMOVIO den KI-Zugriff mit Databricks Unity Gateway zentralisiert hat

databricks-blog18h ago
News

Wie wir Databricks-Cluster-Ratenlimits um das 7,5-Fache erhöht haben

databricks-blog1d ago