字节跳动提出AutoKaggle，用多代理协作与迭代调试提升竞赛的自动化效率

文章预览

1. 引言 在数据科学领域，处理表格数据的任务通常面临着复杂的挑战，这些挑战需要采用精细化的问题解决方法。随着大型语言模型（LLMs）的快速发展，自动化数据科学逐渐成为可能。现有的研究表明，基于LLM的代理在数据领域展现出了巨大的潜力，能够自动理解、分析和处理数据，从而促进数据科学的民主化和广泛应用。然而，当前的研究在解决复杂数据科学问题方面仍存在显著不足。 许多研究仅限于简单的单步数据分析任务，远未达到数据科学实际应用场景的复杂性。此外，其他研究依赖于预构建的知识库，这提高了使用门槛，并限制了解决方案的灵活性和适应性。更重要的是，当前的研究过于关注提高任务完成率和优化性能指标，而忽视了在逻辑复杂的数据科学任务中，决策过程的可解释性和透明性。这种忽视不仅影响了用户对解决方案 ………………………………