Buchumschlag

DataMaster: Data-Centric Autonomous AI Research

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Du, Yaxin, Yang, Xiyuan, Zhou, Zhifan, Liu, Wanxu, Lei, Zixing, Chen, Zimeng, Liu, Fenyi, Wu, Haotian, Cai, Yuzhu, Liu, Zexi, Zhu, Xinyu, Wang, WenHao, Zhang, Linfeng, Qian, Chen, Chen, Siheng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AceGRPO: Adaptive Curriculum Enhanced Group Relative Policy Optimization for Autonomous Machine Learning Engineering
von: Cai, Yuzhu, et al.
Veröffentlicht: (2026)

ML-Master: Towards AI-for-AI via Integration of Exploration and Reasoning
von: Liu, Zexi, et al.
Veröffentlicht: (2025)

VLMGuard-R1: Proactive Safety Alignment for VLMs via Reasoning-Driven Prompt Optimization
von: Chen, Menglan, et al.
Veröffentlicht: (2025)

SWE-Dev: Evaluating and Training Autonomous Feature-Driven Software Development
von: Du, Yaxin, et al.
Veröffentlicht: (2025)

EvoMaster: A Foundational Evolving Agent Framework for Agentic Science at Scale
von: Zhu, Xinyu, et al.
Veröffentlicht: (2026)

Towards Self-Evolving Agentic Literature Retrieval
von: Du, Yuwen, et al.
Veröffentlicht: (2026)

OpenSeeker: Democratizing Frontier Search Agents by Fully Open-Sourcing Training Data
von: Du, Yuwen, et al.
Veröffentlicht: (2026)

Self-Evolving Multi-Agent Collaboration Networks for Software Development
von: Hu, Yue, et al.
Veröffentlicht: (2024)

Toward Ultra-Long-Horizon Agentic Science: Cognitive Accumulation for Machine Learning Engineering
von: Zhu, Xinyu, et al.
Veröffentlicht: (2026)

ML-Agent: Reinforcing LLM Agents for Autonomous Machine Learning Engineering
von: Liu, Zexi, et al.
Veröffentlicht: (2025)

OpenFedLLM: Training Large Language Models on Decentralized Private Data via Federated Learning
von: Ye, Rui, et al.
Veröffentlicht: (2024)

Enhancing Data Quality in Federated Fine-Tuning of Foundation Models
von: Zhao, Wanru, et al.
Veröffentlicht: (2024)

BrowseMaster: Towards Scalable Web Browsing via Tool-Augmented Programmatic Agent Pair
von: Pang, Xianghe, et al.
Veröffentlicht: (2025)

PhysMaster: Building an Autonomous AI Physicist for Theoretical and Computational Physics Research
von: Miao, Tingjia, et al.
Veröffentlicht: (2025)

OpenSeeker-v2: Pushing the Limits of Search Agents with Informative and High-Difficulty Trajectories
von: Du, Yuwen, et al.
Veröffentlicht: (2026)

$G^2$-Reader: Dual Evolving Graphs for Multimodal Document QA
von: Du, Yaxin, et al.
Veröffentlicht: (2026)

Training-Free Message Passing for Learning on Hypergraphs
von: Tang, Bohan, et al.
Veröffentlicht: (2024)

Towards Clustering of Incomplete Mixed‐Attribute Data
von: Chuyao Zhang, et al.
Veröffentlicht: (2025)

Shifting AI Efficiency From Model-Centric to Data-Centric Compression
von: Liu, Xuyang, et al.
Veröffentlicht: (2025)

Data Quality Control in Federated Instruction-tuning of Large Language Models
von: Du, Yaxin, et al.
Veröffentlicht: (2024)

FedLLM-Bench: Realistic Benchmarks for Federated Learning of Large Language Models
von: Ye, Rui, et al.
Veröffentlicht: (2024)

Mean Curvature Flow for Isoparametric Submanifolds in Hyperbolic Spaces
von: Liu, Xiaobo, et al.
Veröffentlicht: (2025)

Towards Data-Centric Automatic R&D
von: Chen, Haotian, et al.
Veröffentlicht: (2024)

Synthesizing Post-Training Data for LLMs through Multi-Agent Simulation
von: Tang, Shuo, et al.
Veröffentlicht: (2024)

Unraveling the Effects of Synthetic Data on End-to-End Autonomous Driving
von: Ge, Junhao, et al.
Veröffentlicht: (2025)

EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots
von: Lei, Zixing, et al.
Veröffentlicht: (2026)

Optimizing Cross-Client Domain Coverage for Federated Instruction Tuning of Large Language Models
von: Wang, Zezhou, et al.
Veröffentlicht: (2024)

CoLMDriver: LLM-based Negotiation Benefits Cooperative Autonomous Driving
von: Liu, Changxing, et al.
Veröffentlicht: (2025)

Hypergraph Transformer for Semi-Supervised Classification
von: Liu, Zexi, et al.
Veröffentlicht: (2023)

SciMaster: Towards General-Purpose Scientific AI Agents, Part I. X-Master as Foundation: Can We Lead on Humanity's Last Exam?
von: Chai, Jingyi, et al.
Veröffentlicht: (2025)

Interruption-Aware Cooperative Perception for V2X Communication-Aided Autonomous Driving
von: Ren, Shunli, et al.
Veröffentlicht: (2023)

Object-Centric Dexterous Manipulation from Human Motion Data
von: Chen, Yuanpei, et al.
Veröffentlicht: (2024)

Collaborative Evolving Strategy for Automatic Data-Centric Development
von: Yang, Xu, et al.
Veröffentlicht: (2024)

MCP-Flow: Facilitating LLM Agents to Master Real-World, Diverse and Scaling MCP Tools
von: Wang, Wenhao, et al.
Veröffentlicht: (2025)

From Data-Centric to Sample-Centric: Enhancing LLM Reasoning via Progressive Optimization
von: Chen, Xinjie, et al.
Veröffentlicht: (2025)

Deploy-Master: Automating the Deployment of 50,000+ Agent-Ready Scientific Tools in One Day
von: Wang, Yi, et al.
Veröffentlicht: (2026)

Bohrium + SciMaster: Building the Infrastructure and Ecosystem for Agentic Science at Scale
von: Zhang, Linfeng, et al.
Veröffentlicht: (2025)

Machine Learning for Scheduling: A Paradigm Shift from Solver-Centric to Data-Centric Approaches
von: Liu, Anbang, et al.
Veröffentlicht: (2025)

Linking Modality Isolation in Heterogeneous Collaborative Perception
von: Liu, Changxing, et al.
Veröffentlicht: (2026)

Driving in the Occupancy World: Vision-Centric 4D Occupancy Forecasting and Planning via World Models for Autonomous Driving
von: Yang, Yu, et al.
Veröffentlicht: (2024)