Sprachgesteuerte Optimierung: Numerische Leistung durch Textfeedback steigern
Die Optimierung von Konfigurationen bleibt ein entscheidender Engpass im maschinellen Lernen. Traditionelle Ansätze behandeln die verschiedenen Dimensionen – Architektur, Trainingsstrategie, Feature‑Engineering und Hyperparameter – getrennt und bieten wenig Transparenz. Automatisierte Verfahren stoßen an ihre Grenzen, wenn es um dynamische Anpassung und semantisches Verständnis von Optimierungsentscheidungen geht.
