L3S Beste Veröffentlichung des Quartals (Q3+Q4/2025)
Kategorie: Explainable AI and AutoML
DeepCAVE: A Visualization and Analysis Tool for Automated Machine Learning
Autoren: Sarah Segel, Helena Graf, Edward Bergman, Kristina Thieme, Marcel Wever, Frank Hutter, Marius Lindauer
Veröffentlicht in JMLR MLOSS
Welches Problem lösen Sie mit Ihrer Forschung?
Moderne KI-Systeme sind stark von sogenannten Hyperparametern abhängig, die einen großen Einfluss auf die Leistungsfähigkeit eines Modells haben. Die automatische Suche nach guten Einstellungen ist ein zentraler Bestandteil des automatisierten maschinellen Lernens (AutoML). Diese Optimierungsprozesse sind jedoch oft komplex und schwer verständlich, sodass sie selbst für Experten wie eine „Black Box“ wirken.
Was ist neu an Ihrer Forschung?
Mit DeepCAVE stellen wir ein interaktives Visualisierungs- und Analyse-Tool vor, das AutoML transparenter macht. Mit DeepCAVE können Nutzer erkunden, wie verschiedene Konfigurationen getestet wurden, wie sich die Leistung im Laufe der Zeit entwickelt hat, welche Parameter den größten Einfluss haben und wo weitere Verbesserungen möglich sind. Es unterstützt moderne Optimierungsszenarien und mehrere beliebte AutoML-Frameworks, alles innerhalb einer browserbasierten Oberfläche.
What is the potential impact?
Durch die Umwandlung komplexer Optimierungsdaten in intuitive visuelle Erkenntnisse hilft DeepCAVE Forschern und Praktikern, KI-Systeme besser zu verstehen, zu debuggen und zu verbessern. Langfristig trägt dies zu vertrauenswürdigeren, effizienteren und menschenzentrierten KI-Systemen bei.
Link zum vollständigen Artikel: https://arxiv.org/abs/2512.01810
