ArchPilot: Multi-Agent-System optimiert maschinelles Lernen ohne teure Trainings

In einer jüngsten Veröffentlichung auf arXiv präsentiert das Forschungsteam ArchPilot, ein innovatives Multi-Agent-System, das die Effizienz von maschinellem Lernen (ML) drastisch steigert. ArchPilot kombiniert Architekturgenerierung, Proxy-basierte Bewertung und adaptive Suche in einem einzigen, nahtlosen Rahmen.

Das System besteht aus drei spezialisierten Agenten. Der Orchestrationsagent steuert den gesamten Suchprozess mit einem neuartigen, MCTS-inspirierten Algorithmus, der einen Neustartmechanismus nutzt und frühere Kandidaten speichert. Der Generationsagent erstellt, verbessert und debuggt kontinuierlich neue Architekturen, während der Evaluationsagent Proxy-Trainingsläufe durchführt, Proxy-Funktionen optimiert und die Ergebnisse zu einer fidelitätsbewussten Leistungsmetrik zusammenführt.

Durch die gezielte Priorisierung vielversprechender Kandidaten und die Minimierung aufwändiger Volltrainings reduziert ArchPilot den Rechenaufwand erheblich. In Experimenten auf dem MLE-Bench übertrifft ArchPilot aktuelle Spitzenmodelle wie AIDE und ML-Master, was die Wirksamkeit des Multi-Agent-Ansatzes unter Beweis stellt.