基于记忆增强的 LLM 多智能体系统用于表格数据自动化特征生成

自动化特征生成对机器学习至关重要，但传统方法依赖预定义算子且缺乏语义理解。现有 LLM 方法虽引入语义信号，仍受限于固定生成模式及缺乏目标反馈。为此，本文提出记忆增强的 LLM 多智能体系统（MALMAS）。该系统将生成过程分解为不同职责的智能体，并通过路由智能体动态激活子集以拓宽探索空间。核心创新在于集成了包含程序性、反馈性和概念性记忆的模块，支持迭代优化，自适应引导后续生成，显著提升特征质量与多样性。多数据集实验验证了其有效性。