Copertina

OpenAutoNLU: Open Source AutoML Library for NLU

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Arshinov, Grigory, Boriskin, Aleksandr, Senichev, Sergey, Zaripov, Ayaz, Galimzianova, Daria, Karpov, Daniil, Sanochkin, Leonid
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computation and Language Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

AutoML-Agent: A Multi-Agent LLM Framework for Full-Pipeline AutoML
di: Trirat, Patara, et al.
Pubblicazione: (2024)

AutoML in the Age of Large Language Models: Current Challenges, Future Opportunities and Risks
di: Tornede, Alexander, et al.
Pubblicazione: (2023)

Learning Shortcuts: On the Misleading Promise of NLU in Language Models
di: Bihani, Geetanjali, et al.
Pubblicazione: (2024)

X Hacking: The Threat of Misguided AutoML
di: Sharma, Rahul, et al.
Pubblicazione: (2024)

Harnessing Test-time Adaptation for NLU tasks Involving Dialects of English
di: Nguyen, Duke, et al.
Pubblicazione: (2025)

UniAutoML: A Human-Centered Framework for Unified Discriminative and Generative AutoML with Large Language Models
di: Guo, Jiayi, et al.
Pubblicazione: (2024)

Problem-oriented AutoML in Clustering
di: da Silva, Matheus Camilo, et al.
Pubblicazione: (2024)

The Potential of AutoML for Recommender Systems
di: Vente, Tobias, et al.
Pubblicazione: (2024)

AMQ: Enabling AutoML for Mixed-precision Weight-Only Quantization of Large Language Models
di: Lee, Sangjun, et al.
Pubblicazione: (2025)

Building a Few-Shot Cross-Domain Multilingual NLU Model for Customer Care
di: Kumar, Saurabh, et al.
Pubblicazione: (2025)

AutoGluon-Multimodal (AutoMM): Supercharging Multimodal AutoML with Foundation Models
di: Tang, Zhiqiang, et al.
Pubblicazione: (2024)

Explaining AutoClustering: Uncovering Meta-Feature Contribution in AutoML for Clustering
di: da Silva, Matheus Camilo, et al.
Pubblicazione: (2026)

Robustness of AutoML on Dirty Categorical Data
di: Bueno, Marcos L. P., et al.
Pubblicazione: (2026)

AutoIntent: AutoML for Text Classification
di: Alekseev, Ilya, et al.
Pubblicazione: (2025)

Can We Use Probing to Better Understand Fine-tuning and Knowledge Distillation of the BERT NLU?
di: Hościłowicz, Jakub, et al.
Pubblicazione: (2023)

An AutoML-based approach for Network Intrusion Detection
di: Gyimah, Nana Kankam, et al.
Pubblicazione: (2024)

ML2B: Multi-Lingual ML Benchmark For AutoML
di: Trofimova, Ekaterina, et al.
Pubblicazione: (2025)

LightAutoDS-Tab: Multi-AutoML Agentic System for Tabular Data
di: Lapin, Aleksey, et al.
Pubblicazione: (2025)

Exploring the impact of fairness-aware criteria in AutoML
di: Simões, Joana, et al.
Pubblicazione: (2026)

Hyperparameter Importance Analysis for Multi-Objective AutoML
di: Theodorakopoulos, Daphne, et al.
Pubblicazione: (2024)

AutoML Benchmark with shorter time constraints and early stopping
di: Jurado, Israel Campero, et al.
Pubblicazione: (2025)

Budget-aware Query Tuning: An AutoML Perspective
di: Wu, Wentao, et al.
Pubblicazione: (2024)

Auto-Unrolled Proximal Gradient Descent: An AutoML Approach to Interpretable Waveform Optimization
di: Kaplan, Ahmet
Pubblicazione: (2026)

Survey of NLU Benchmarks Diagnosing Linguistic Phenomena: Why not Standardize Diagnostics Benchmarks?
di: Jallad, Khloud AL, et al.
Pubblicazione: (2025)

Optimal Pricing for Data-Augmented AutoML Marketplaces
di: Han, Minbiao, et al.
Pubblicazione: (2023)

Auto-ADMET: An Effective and Interpretable AutoML Method for Chemical ADMET Property Prediction
di: de Sá, Alex G. C., et al.
Pubblicazione: (2025)

Building Korean linguistic resource for NLU data generation of banking app CS dialog system
di: Yoon, Jeongwoo, et al.
Pubblicazione: (2026)

RexUniNLU: Recursive Method with Explicit Schema Instructor for Universal NLU
di: Liu, Chengyuan, et al.
Pubblicazione: (2024)

In-Context Decision Making for Optimizing Complex AutoML Pipelines
di: Balef, Amir Rezaei, et al.
Pubblicazione: (2025)

Deciphering AutoML Ensembles: cattleia's Assistance in Decision-Making
di: Kozak, Anna, et al.
Pubblicazione: (2024)

AutoML for Multi-Class Anomaly Compensation of Sensor Drift
di: Schaller, Melanie, et al.
Pubblicazione: (2025)

Assessing the Use of AutoML for Data-Driven Software Engineering
di: Calefato, Fabio, et al.
Pubblicazione: (2023)

NNGPT: Rethinking AutoML with Large Language Models
di: Kochnev, Roman, et al.
Pubblicazione: (2025)

EDCA - An Evolutionary Data-Centric AutoML Framework for Efficient Pipelines
di: Simões, Joana, et al.
Pubblicazione: (2025)

Bag of Tricks for Multimodal AutoML with Image, Text, and Tabular Data
di: Tang, Zhiqiang, et al.
Pubblicazione: (2024)

Online Meta-learning for AutoML in Real-time (OnMAR)
di: Gerber, Mia, et al.
Pubblicazione: (2025)

forester: A Tree-Based AutoML Tool in R
di: Ruczyński, Hubert, et al.
Pubblicazione: (2024)

Confidence Interval Estimation of Predictive Performance in the Context of AutoML
di: Paraschakis, Konstantinos, et al.
Pubblicazione: (2024)

AI-based Classification of Customer Support Tickets: State of the Art and Implementation with AutoML
di: Truss, Mario, et al.
Pubblicazione: (2024)

Encoder vs Decoder: Comparative Analysis of Encoder and Decoder Language Models on Multilingual NLU Tasks
di: Nielsen, Dan Saattrup, et al.
Pubblicazione: (2024)