RelAgent：LLM 代理作为关系学习的数据科学家

关系学习是一个具有挑战性的问题，催生了各种各样的方法，包括基于图的模型（例如图神经网络、图 Transformer）、表格方法（例如表格基础模型）和基于序列的方法（例如 大语言模型），每种方法都有自己的优点和局限性。我们提出 RelAgent，一个基于 LLM 的用于关系学习的自主数据科学家，它分两个阶段运行。在搜索阶段，LLM 代理使用数据库、验证和评估工作区工具来构建 SQL 功能程序并选择预测模型。在推理阶段，执行结果程序，无需进一步调用 LLM。最终的预测器由 SQL 查询和经典模型组成，可实现快速、确定性且本质上可解释的预测：特征是人类可读的查询，预测仅取决于生成的查询定义的特征图，从而支持使用标准数据库系统进行可扩展部署。