Λογότυπο Zephyrnet

Παρουσίαση του Διερμηνέα Δεδομένων της MetaGPT: Λύσεις δεδομένων που βασίζονται σε LLM ανοιχτού κώδικα SOTA – KDnuggets

Ημερομηνία:

Διερμηνέας Δεδομένων MetaGPT: Στατιστική Μοντελοποίηση Ανοιχτού Κώδικα
Εικόνα που δημιουργήθηκε από το Author with Midjourney
 

MetaGPT είναι ένα πλαίσιο πολλαπλών πρακτόρων για την ανάθεση ρόλων σε διάφορους πράκτορες, το οποίο οδηγεί στο σχηματισμό συνεργατικών οντοτήτων που είναι σε θέση να συνεργάζονται για να εκτελούν πολύπλοκες εντολές. Η MetaGPT αυτοχρηματοδοτείται ως «εταιρεία λογισμικού ως σύστημα πολλαπλών πρακτόρων», δίνοντάς σας μια ιδέα για την προβλεπόμενη χρήση αυτών των συνεργαζόμενων οντοτήτων. Το MetaGPT μπορεί να χρησιμοποιηθεί ως αυτόνομη εφαρμογή από τη γραμμή εντολών και ως βιβλιοθήκη στα δικά σας σενάρια Python, επιτρέποντας την ευελιξία και τον έλεγχο που θα επιθυμούσε κανείς σε ένα τέτοιο πλαίσιο.

Το έργο ξεκίνησε τον Απρίλιο του 2023, αξιοποιώντας το ChatGPT και τη στιγμή που γράφεται το άρθρο έχει σχεδόν 40 αστέρια στο GitHub. Το αποθετήριο GitHub περιγράφεται περαιτέρω ως εξής:

Το MetaGPT λαμβάνει μια απαίτηση μιας γραμμής ως είσοδο και έξοδο ιστορίες χρηστών / ανάλυση ανταγωνισμού / απαιτήσεις / δομές δεδομένων / API / έγγραφα κ.λπ.

Εσωτερικά, το MetaGPT περιλαμβάνει διαχειριστές προϊόντων / αρχιτέκτονες / διαχειριστές έργων / μηχανικούς. Παρέχει ολόκληρη τη διαδικασία μιας εταιρείας λογισμικού μαζί με προσεκτικά ενορχηστρωμένα SOP.

Αρχιτεκτονική MetaGPT
Σχήμα πολλαπλών παραγόντων της εταιρείας λογισμικού της MetaGPT (σταδιακά υλοποιείται) (από Το GitHub του MetaGPT)
 

Το MetaGPT μπορεί να χρησιμοποιηθεί για δημιουργία κώδικα, δημιουργία πρωτοτύπων, σχεδιασμό έργου και πολλά άλλα. Έχει αναγνωριστεί ως α ξεχωριστό επίτευγμα ανοιχτού κώδικα, και είναι συνεχώς ένα δημοφιλές repo GitHub.

Αυτό είναι το MetaGPT. Τώρα ας συζητήσουμε Διερμηνέας Δεδομένων, Βαθιά Σοφίαη τελευταία βελτίωση του MetaGPT και επίτευγμα από μόνο του.

 

Το Data Interpreter είναι ένας άλλος πράκτορας μέλος του πλαισίου MetaGPT, ένας πράκτορας αφιερωμένος στην αξιολόγηση και την επίλυση εργασιών που σχετίζονται με δεδομένα. Από την εφημερίδα:

Σε αυτή τη μελέτη, παρουσιάζουμε το Data Interpreter, μια λύση σχεδιασμένη για επίλυση με κώδικα που δίνει έμφαση σε τρεις βασικές τεχνικές για την ενίσχυση της επίλυσης προβλημάτων στην επιστήμη δεδομένων: 1) δυναμικό σχεδιασμό με ιεραρχικές δομές γραφημάτων για προσαρμοστικότητα δεδομένων σε πραγματικό χρόνο. 2) Δυναμική ενοποίηση εργαλείων για τη βελτίωση της επάρκειας του κώδικα κατά την εκτέλεση, εμπλουτίζοντας την απαιτούμενη τεχνογνωσία. 3) εντοπισμός λογικής ασυνέπειας στην ανατροφοδότηση και βελτίωση της αποτελεσματικότητας μέσω καταγραφής εμπειρίας. […] Σε σύγκριση με τις βασικές γραμμές ανοιχτού κώδικα, επέδειξε ανώτερη απόδοση, παρουσιάζοντας σημαντικές βελτιώσεις στις εργασίες μηχανικής μάθησης, αυξάνοντας από 0.86 σε 0.95. Επιπλέον, έδειξε μια αύξηση 26% στο σύνολο δεδομένων MATH και μια αξιοσημείωτη βελτίωση κατά 112% στις εργασίες ανοιχτού τύπου.

Αυτά τα ευρήματα είναι σίγουρα εντυπωσιακά. Και δεν χρειάζεται να τα πάρουμε στην ονομαστική τους αξία, αφού έχουν δημοσιεύσει αυτά τα αποτελέσματα. Η Deep Wisdom έχει επίσης διαθέσει ένα πληθώρα παραδειγμάτων για να δείξει πώς μπορεί να χρησιμοποιηθεί ο πράκτορας του Data Interpreter σε συνδυασμό με το υπάρχον πλαίσιο MetaGPT.

Αυτό το παράδειγμα εδώ δείχνει πώς μπορεί να χρησιμοποιηθεί για ανάλυση τάσεων μετοχών NVIDIA. Για να δω πώς μοιάζει με μια προτροπή του MetaGPT Data Interpreter, θα την αντιγράψω παρακάτω:

Λάβετε δεδομένα τιμών μετοχών της NVIDIA Corporation (NVDA) από το Yahoo Finance, εστιάζοντας στις ιστορικές τιμές κλεισίματος των τελευταίων 5 ετών. Συνοπτικά στατιστικά στοιχεία (μέση τιμή, διάμεσος, τυπική απόκλιση κ.λπ.) για την κατανόηση της κεντρικής τάσης και διασποράς των τιμών κλεισίματος. Αναλύστε τα δεδομένα για τυχόν εμφανείς τάσεις, μοτίβα ή ανωμαλίες με την πάροδο του χρόνου, χρησιμοποιώντας πιθανώς κυλιόμενους μέσους όρους ή ποσοστιαίες αλλαγές. Δημιουργήστε μια γραφική παράσταση για να απεικονίσετε όλη την ανάλυση δεδομένων. Κρατήστε το 20% του συνόλου δεδομένων για επικύρωση. Εκπαιδεύστε ένα μοντέλο πρόβλεψης στο σετ εκπαίδευσης. Αναφέρετε την ακρίβεια επικύρωσης του μοντέλου και οπτικοποιήστε το αποτέλεσμα του αποτελέσματος πρόβλεψης. Κλείσε

Μπορείτε να δείτε το παράδειγμα σημειωματάριου (που συνδέεται παραπάνω) για να ακολουθήσετε τη διαδικασία του MetaGPT και να δείτε τα αποτελέσματα. Spoiler alert: Η Deep Wisdom δεν τα μοιράζεται επειδή δεν είναι εντυπωσιακά 🙂

Διάβασε το πλήρες χαρτί για όλες τις πληροφορίες που θα μπορούσατε να ζητήσετε. Μπορείτε να μάθετε περισσότερα σχετικά με την εγκατάσταση και τη χρήση στο έργο GitHub repo. Μπορώ να βεβαιώσω από την πείρα ότι το MetaGPT είναι ένα αξιόλογο έργο για να το ελέγξετε και με την προσθήκη του πράκτορα Data Interpreter, αυτό είναι ακόμη πιο αληθινό από ό,τι πριν.
 
 

Μάθιου Μάιο (@mattmayo13) είναι κάτοχος μεταπτυχιακού τίτλου σπουδών στην πληροφορική και μεταπτυχιακού διπλώματος στην εξόρυξη δεδομένων. Ως αρχισυντάκτης του KDnuggets, ο Matthew στοχεύει να κάνει προσιτές σύνθετες έννοιες της επιστήμης δεδομένων. Τα επαγγελματικά του ενδιαφέροντα περιλαμβάνουν την επεξεργασία φυσικής γλώσσας, τους αλγόριθμους μηχανικής μάθησης και την εξερεύνηση της αναδυόμενης τεχνητής νοημοσύνης. Οδηγείται από μια αποστολή εκδημοκρατισμού της γνώσης στην κοινότητα της επιστήμης δεδομένων. Ο Μάθιου κωδικοποιεί από τα 6 του χρόνια.

spot_img

Τελευταία Νοημοσύνη

spot_img