Think it, Run it：通过自愈式多智能体AI实现自主机器学习流水线生成

本文的目的是开发一种统一的多智能体架构，从数据集和自然语言（NL）目标自动生成端到端机器学习（ML）流水线，以提升效率、鲁棒性与可解释性。我们提出一个五智能体系统，负责处理数据剖析、意图解析、微服务推荐、有向无环图（DAG）构建与执行。该系统集成了用于理解微服务的代码依据检索增强生成（RAG）、结合多种准则的可解释混合推荐器，以及基于大语言模型（LLM）错误解读并从执行历史中自适应学习的自愈机制。该方法在多种场景下的150个ML任务上进行了评估。该系统实现了84.7%的端到端流水线成功率，优于基线方法。它展示了自愈机制带来的鲁棒性提升，并且与人工构建相比缩短了工作流开发时间。该研究在单一架构中新颖地集成了代码依据RAG、可解释推荐、自愈执行与自适应学习，表明紧密耦合的智能组件能够超越孤立的解决方案。