SELA est un système innovant qui améliore l'apprentissage automatique automatisé (AutoML) en combinant la recherche par arbre de Monte-Carlo (MCTS) avec des agents basés sur les grands modèles de langage (LLM). Les méthodes AutoML traditionnelles produisent souvent un code peu diversifié et sous-optimal, limitant ainsi leur efficacité en matière de sélection et d'intégration de modèles. SELA représente la configuration des pipelines sous forme d'arbre, permettant aux agents d'explorer intelligemment l'espace des solutions et d'améliorer itérativement leur stratégie en fonction des retours d'expérience.