arXiv · cs.AI· Fateme Memar·· 7 天前AI 评分32
LLM 何时有助于特征选择？一项系统性实证研究
When Do LLMs Help with Feature Selection? A Systematic Empirical Study
来源与原文
arXiv · cs.AI
作者：Fateme Memar
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.28556v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项基于 18 个数据集的实证研究比较了五种经典方法、frozen Qwen2.5-7B 与 Llama-3.3-70B 选择器以及两个 GRPO 适配的 Qwen2.5-7B 模型在表格特征选择中的表现。结果显示，经典选择器在预测性能上普遍优于 7B LLM/RL 选择器。但语义敏感性实验表明，Zero-shot Qwen-7B 在回归任务上从有信息量的特征名获益（相比匿名化 +0.1964、打乱 +0.1606 平均 R^2），分类任务差异较小且依数据集而异。
来源：arXiv · cs.AI · arxiv.org