论文
FlowPipe：LLM-用于数据准备管道构建的增强型条件生成流网络
FlowPipe: LLM-Enhanced Conditional Generative Flow Networks for Data Preparation Pipeline Construction
摘要
数据准备管道通过顺序清理和特征转换运算符将原始表转换为可供学习的数据，从而提高机器学习中的数据质量。然而，自动构建这样的管道在计算上是困难的，因为运算符序列是组合的并且端到端评估是昂贵的。现有最先进（SOTA）的多 DQN 方法仍然面临三个关键限制：解耦值估计器削弱了长期贡献分配，数据集上下文仅弱地注入到策略中，并且在具有许多无效状态的稀疏搜索空间中探索效率低下。为了解决这些问题，我们提出了 FlowPipe，这是一个统一的框架，它将管道合成制定为有向无环图上的条件概率流生成。 FlowPipe 使用具有轨迹平衡目标的条件生成流网络 (C-GFlowNets)，将终端验证奖励与早期管道决策联系起来。它进一步通过特征线性调制 (FiLM) 引入深度语义调制，允许 LLM 派生的逻辑先验根据数据集语义来调节策略的内部激活。此外，FlowPipe 将故障意识纳入流目标中，以避免无效状态并将搜索集中在高潜力区域。对具有 74 个真实世界数据集的两个基准套件进行的实验表明，FlowPipe 的性能优于 SOTA 基线，平均准确度提高了 11.96%，训练收敛速度提高了 12.5 倍。源代码可在 https://github.com/KunyuNi/FlowPipe 获取。