Dieser Artikel stellt acht neue Datensätze vor, die entwickelt wurden, um die Leistung von Neural Architecture Search-Methoden auf unbekannten Problemen zu evaluieren. Die Datensätze umfassen sowohl einfache als auch schwierige Probleme, die für Menschen lösbar oder unlösbar sind, um die Generalisierungsfähigkeit von NAS-Methoden zu testen.
Croissant ist ein Metadatenformat, das Datensätze für den Einsatz in Maschinellen Lerntools und -frameworks einfacher zugänglich, portabel und interoperabel macht. Croissant adressiert wichtige Herausforderungen im Datenmanagement für Maschinelles Lernen und unterstützt verantwortungsvollen KI-Einsatz.