基于可绘制时间线的交互式超参数优化

大语言模型(LLM)的人机协作自动机器学习(AutoML)界面软件工程师与开发者AI/ML 研究员与工程师

我们提出了一种将更多交互性集成到自动超参数优化系统的方法,以利用用户对参数分布的先验知识。在该方法中,用户持续观察自动优化的进度,并动态指定参数空间的搜索范围。我们展示了一个优化器的交互式仪表板原型,以验证我们方法的可行性。该交互式仪表板的主要特点是"可绘制时间线",用户不仅能像标准时间线一样观察过去测试的参数值,还能通过简单的绘制操作指定未来待测参数的范围。我们展示了三个用户干预可能改善自动优化性能的示例。我们与专家进行了用户研究,结果表明,在掌握目标问题的参数分布先验知识后,交互式优化可以获得比全自动优化更好的结果。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/dis/60076/2021

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3461778.3462077
一眼看懂

论文快照

fact_check
dataset
来源
DIS
calendar_month
年份
2021
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、自动机器学习(AutoML)界面
work
职业/产业
软件工程师与开发者、AI/ML 研究员与工程师
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文