本文介绍了 OpenBox，这是一种黑盒优化工具包，适用于自动机器学习、实验设计和数据库参数调整等应用。OpenBox 工具包的模块化设计使其灵活地部署在现有系统中，并且它实现了易用的界面和可视化，实验结果表明 OpenBox 工具包的效率更高于现有系统。

Apr, 2023

本研究介绍了 OpenBox，一种开源的黑盒优化服务，可提高用户在自动化机器学习、工程、物理和实验设计等领域的效率和性能，并采用模块化设计和算法普适并行化等方法来优化 BBO 组件。实验证明，OpenBox 相对于现有系统具有更高的效能和效率。

Jun, 2021

本研究提出了一种可视化工具，用于穷尽性地搜索和浏览大规模机器学习数据集。该工具搭建在 VizWiz 数据集的基础上，可支持和促进定性和定量研究，并开启多模态信息的可视化和研究新方向。该工具公开在此 URL。

Dec, 2019

利用 Viz 系统，通过整合量化低秩适配器 (QLoRA) 来微调大型语言模型 (LLM)，在具备法律合规和资源高效市场的框架下，解决了计算效率、法律合规和经济可持续性等人工智能领域的挑战。该论文针对 LLM 模型的进展、人工智能训练中的版权问题以及模型微调技术的演进等进行了细致的分析和介绍，为 LLM 的利用提供了一个综合的解决方案，受益于内容创作者、人工智能开发者和最终用户的经济模型。

Dec, 2023

本文提出一种基于深度强化学习的框架 OSS Mentor，通过使用经验知识进行训练，它可以适应性地帮助开发人员提高其贡献，这是一种管理开源软件的新方法，实验结果表明该方法显著超越现有实验结果，并设计了一个更加稳健的框架以改善开发人员的贡献。

Oct, 2022

本文介绍了一种可解释的增强学习平台，通过可视化工具对监督学习和增强学习进行可视化，试图提高对模型成功和失败的理解和洞察力，并为人们提供了实验的机会。

Jul, 2020

本研究介绍了一种基于深度强化学习的查询优化框架 FOSS，通过在传统优化器生成的原始计划基础上逐步优化子节点，采用模拟环境进行学习和改进，通过实验证明 FOSS 在延迟性能和优化时间方面优于现有方法，相比 PostgreSQL，在不同基准测试中实现了 15％到 83％的延迟节约。

Dec, 2023

zenvisage 是一个数据可视化平台，提供通用 Visual Query Language (ZQL) 来指定所需的可视化模式，模式的表达性至少与 Visual Exploration Algebra 相同，并且通过可视化 / 交互式接口公开 ZQL，优化并支持 ZQL 查询，在用户研究中证明了 zenvisage 在实际应用中有效。

Apr, 2016

本文介绍了 VizNet，它是一个包含了超过 3100 万个数据集的大规模语料库，从开放数据库和在线可视化画廊中编译而来。它提供了一个必要的公共基线，用于比较可视化的设计技术，并为自动化可视化分析开发基准模型和算法。我们展示了如何从实验结果中学习知觉有效性度量，并展示了它在测试数据集上的预测能力。

May, 2019

本文介绍了一种名为 VizAI 的生成 - 判别框架，该框架首先从多种数据可视化中生成数据的各种统计属性，并与判别模型相连，以选择最匹配被可视化的数据真实统计数据的可视化方式。使用众包判断和大量公开可用的可视化，我们证明 VizAI 优于学习推荐可视化的最新方法。

Nov, 2021