每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

LLM-FS-Agent：一种用于透明特征选择的基于角色的审慎大型语言模型架构

Created by
  • Haebom

作者

穆罕默德·巴尔-加乌伊、费萨尔·萨布里

大纲

LLM-FS-Agent 是一种新颖的多智能体架构，旨在实现可解释且稳健的特征选择。该系统协调多个 LLM 智能体之间的“讨论”，为每个智能体分配特定角色，共同评估特征相关性，并生成详细的论证依据。我们使用 CIC-DIAD 2024 物联网入侵检测数据集在网络安全领域评估 LLM-FS-Agent，并将其性能与包括 LLM-Select 和 PCA 等现有方法在内的稳健基线方法进行比较。实验结果表明，LLM-FS-Agent 始终保持卓越的分类性能，同时将下游训练时间平均缩短 46%。

Takeaways，Limitations

•
LLM-FS-Agent 是一种用于可解释和稳健的特征选择的新型多代理架构。
•
其分类性能优于或等于网络安全领域现有方法（LLM-Select、PCA）。
•
下游训练时间平均减少 46%。
•
所提出的架构提高了决策透明度和计算效率。
•
论文中没有具体说明Limitations。
👍
Made with Slashpage