Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

NNGPT: Rethinking AutoML with Large Language Models

Created by
  • Haebom
Category
Empty

저자

Roman Kochnev, Waleed Khalid, Tolgay Atinc Uzun, Xi Zhang, Yashkumar Sanjaybhai Dhameliya, Furui Qin, Chandini Vysyaraju, Raghuvir Duvvuri, Avi Goyal, Dmitry Ignatov, Radu Timofte

개요

NNGPT는 대규모 언어 모델(LLM)을 컴퓨터 비전을 위한 자기 개선 AutoML 엔진으로 전환하는 오픈 소스 프레임워크입니다. 이 프레임워크는 새로운 모델을 생성하여 신경망 데이터세트를 확장하고, 생성, 평가 및 자기 개선의 폐쇄 루프 시스템을 기반으로 LLM의 지속적인 미세 조정을 가능하게 합니다. 제로샷 아키텍처 합성, 하이퍼파라미터 최적화(HPO), 코드 인식 정확도/조기 중단 예측, PyTorch 블록의 검색 증강 합성을 통합합니다. LEMUR 데이터세트를 기반으로 구축되었으며, 단일 프롬프트에서 네트워크 아키텍처, 전처리 코드 및 하이퍼파라미터를 생성 및 검증하고, 실행하며, 결과를 학습합니다. PyTorch 어댑터는 프레임워크에 구애받지 않으며, 강력한 성능을 제공합니다.

시사점, 한계점

•
NNGPT는 LLM을 활용하여 신경망 개발을 위한 자동화된 AutoML 엔진을 구축했습니다.
•
NNGPT는 모델 생성, 평가, 개선의 폐쇄 루프 시스템을 통해 LLM의 지속적인 개선을 가능하게 합니다.
•
다양한 LLM 기반 파이프라인(아키텍처 합성, HPO 등)을 통합하여 효율성을 높였습니다.
•
PyTorch 어댑터를 통해 프레임워크 독립성을 확보했습니다.
•
NN-RAG의 높은 실행 가능성, 3-샷 프롬프팅을 통한 정확도 향상, 해시 기반 중복 제거를 통한 실행 절감 등의 성과를 보였습니다.
•
HPO 및 코드 인식 예측에서 기존 방법론(Optuna)을 능가하는 성능을 보였습니다.
•
5,000개 이상의 검증된 모델을 생성하여 자율적인 AutoML 엔진임을 입증했습니다.
•
코드, 프롬프트, 체크포인트를 공개하여 재현성과 커뮤니티 활용을 장려할 예정입니다.
•
논문 자체에는 한계점에 대한 직접적인 언급은 없지만, AutoML 시스템의 일반적인 한계점(예: 계산 비용, 특정 데이터세트에 대한 편향 등)은 고려해야 할 사항입니다.
👍
Made with Slashpage