arXiv cs.MA· Eduardo Ari\~no de la Rubia, Szilard Pafka·· 9 小时前AI 评分38
Dataset Factory:智能体驱动的数据集工厂如何实现从发现到公开发布
Operating an Agent-Driven Dataset Factory: Discovery, Construction, and Public Release
AI 导读
研究团队部署 Dataset Factory,在 81.53 小时内按固定发布策略持续产出并公开发布 14 个数据集,单次发布经常性运营支出约 \$2.74,涵盖失败尝试、推理、worker 与托管成本。
正文 · AI 翻译
摘要:将公共数据转化为预测数据集需要连接来源发现、任务定义、构建和分发。我们部署了 Dataset Factory,在常设发布策略下持续执行这些步骤。有界语言模型任务负责解读来源、编写构建代码并审查任务含义;确定性软件管理状态、工作进程、重试和发布。在 81.53 小时内,该工厂发布了 14 个数据集,估计经常性运营支出约为每次发布 \$2.74。该核算包括失败尝试、推理、工作进程和托管。独立的智能体在所有十二个已评估版本上完成了预测实验。然而,来源审查发现了一个任务,其构建过滤器与其总体声明相矛盾。原审查者接受了后续记录排除,但未将其与已发布的选择规则相协调。这一经验记录了一个可运行的从来源到发布的工作流程,并说明了为什么成功执行和消费者使用需要对任务含义进行单独检查。
| 评论: | 5 页,3 幅图。代码和证据:此 https URL |
| 主题: | 软件工程(cs.SE);多智能体系统(cs.MA) |
| 引用为: | arXiv:2611.21957 [cs.SE] |
| (或 arXiv:2611.21957v1 [cs.SE] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.21957 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Eduardo Ariño De La Rubia [查看电子邮件]
[v1]
2026 年 11 月 16 日星期一 22:39:18 UTC(150 KB)
来源:arXiv cs.MA · arxiv.org