以下為原文翻譯：
作為人工智慧的基礎技術，現有的機器學習（ML）方法往往依賴於大量的人為干預和手動調試，例如手動收集、選擇和注釋數據，手動構建深度神經網絡的基礎設施，以及確定算法類型及其優化。算法的超參數等
為了解決當前機器學習領域的這些挑戰，西安交通大學的研究團隊開發了一種名為模擬學習方法（SLeM）的新方法。SLeM的核心理念是模擬和提取傳統上由人類設定的ML學習方法，並將其轉化為自動化學習過程。本質上，SLeM框架代表了ML for ML範式，其中ML工具用於設計和優化ML的基本元素。
該團隊基於SLeM框架開發了一系列機器學習自動化算法，展示了它們在增強現有機器學習方法自適應學習能力方面的有效性。
「最近，人們提出了許多AutoML方法來實現ML自動化。然而，大多數現有的AutoML方法本質上都是啟發式的，很難建立堅實的理論基礎。相比之下，SLeM框架為ML自動化提供了統一的數學公式。該論文第一作者、中國科學院院士徐宗本教授表示：「這為SLeM的責任轉移概括能力提供了理論見解。"
高級大型語言模型（LLM）的開發已成為人工智慧的基石，顯著擴展了解決各種應用和任務的能力。然而，ML社區尚未完全解決LLM卓越責任概括能力的基本理論證據。新穎的SLeM方法為推進大型語言模型（LLM）中責任概括能力的研究和理解提供了一個有前途的視角和工具。
如果您想了解更多信息，可以單擊視頻下方的連結。
感謝您觀看此視頻。如果您喜歡，請訂閱並點讚。謝謝
原文：https://techxplore.com/news/2024-08-simulating-methodology-approach-machine-automation.html
更多信息：徐宗本等人，模擬學習方法（SLeM）：一種機器學習的自動化方法，《國家科學評論》（2024）。DOI：10.1093/NSO/nwae277
輸油管：