论文
ReFuGe：用LLM智能体为关系数据库预测任务生成特征
ReFuGe: Feature Generation for Prediction Tasks on Relational Databases with LLM Agents
摘要
关系数据库（RDB）在许多现实世界的Web应用中扮演关键角色，支持跨多个互连表的数据管理。除典型的检索导向任务外，RDB上的预测任务近来受到关注。在这项工作中，我们通过生成有信息量的关系特征来增强预测性能。然而，生成此类特征颇具挑战：它需要对复杂模式进行推理，探索组合规模巨大的特征空间，且没有显式监督。为应对这些挑战，我们提出ReFuGe，一个利用专门化LLM智能体的Agentic框架：（1）模式选择智能体识别与任务相关的表和列；（2）特征生成智能体从选定模式中产生多样化的候选特征；（3）特征过滤智能体通过基于推理和基于验证的过滤评估并保留有前景的特征。该框架在迭代反馈循环中运行，直至性能收敛。在RDB基准上的实验表明，ReFuGe在各类RDB预测任务上显著提升性能。我们的代码和数据集见 https://github.com/K-Kyungho/REFUGE。
