Logo Zéphyrnet

Présentation de l'interpréteur de données MetaGPT : solutions de données SOTA Open Source basées sur LLM – KDnuggets

Date :

Interpréteur de données MetaGPT : modélisation statistique open source
Image créée par l'auteur avec Midjourney
 

MétaGPT est un cadre multi-agents permettant d'attribuer des rôles à divers agents, ce qui conduit à la formation d'entités collaboratives capables de travailler en tandem pour exécuter des instructions complexes. MetaGPT se présente comme une « entreprise de logiciels en tant que système multi-agent », vous donnant une idée de l'utilisation prévue de ces entités collaboratives. MetaGPT peut être utilisé comme une application autonome à partir de la ligne de commande et comme une bibliothèque au sein de vos propres scripts Python, offrant ainsi la flexibilité et le contrôle souhaités dans un tel cadre.

Le projet a débuté en avril 2023, en tirant parti de ChatGPT, et compte au moment de la rédaction de cet article près de 40 XNUMX étoiles sur GitHub. Son dépôt GitHub se décrit en outre comme suit :

MetaGPT prend une exigence d'une seule ligne comme entrées et sorties de témoignages d'utilisateurs/analyse concurrentielle/exigences/structures de données/API/documents, etc.

En interne, MetaGPT comprend des chefs de produits/architectes/chefs de projet/ingénieurs. Il fournit l'ensemble du processus d'un éditeur de logiciels ainsi que des SOP soigneusement orchestrées.

Architecture métaGPT
Schéma multi-agent de la société de logiciels MetaGPT (mise en œuvre progressive) (à partir de GitHub de MetaGPT)
 

MetaGPT peut être utilisé pour la génération de code, le prototypage, la planification de projets, etc. Il a été reconnu comme un réalisation open source remarquable, et est continuellement un dépôt GitHub tendance.

C'est MetaGPT. Discutons maintenant Interpréteur de données, Sagesse profondeLa dernière amélioration MetaGPT de et une réussite à part entière.

 

Data Interpreter est un autre agent membre du framework MetaGPT, un agent dédié à l'évaluation et à la résolution de tâches liées aux données. Extrait du journal :

Dans cette étude, nous présentons le Data Interpreter, une solution conçue pour résoudre avec du code qui met l'accent sur trois techniques essentielles pour améliorer la résolution de problèmes en science des données : 1) la planification dynamique avec des structures graphiques hiérarchiques pour une adaptabilité des données en temps réel ; 2) intégration dynamique d'outils pour améliorer la maîtrise du code pendant l'exécution, enrichissant ainsi l'expertise requise ; 3) identification des incohérences logiques dans les commentaires et amélioration de l'efficacité grâce à l'enregistrement de l'expérience. […] Par rapport aux références open source, il a démontré des performances supérieures, présentant des améliorations significatives dans les tâches d'apprentissage automatique, passant de 0.86 à 0.95. De plus, il a montré une augmentation de 26 % de l’ensemble de données MATH et une amélioration remarquable de 112 % dans les tâches ouvertes.

Ces résultats sont certainement impressionnants. Et il n’est pas nécessaire de les prendre au pied de la lettre, puisqu’ils ont publié ces résultats. Deep Wisdom a également mis à disposition un une multitude d'exemples pour montrer comment leur agent Data Interpreter peut être utilisé en conjonction avec le framework MetaGPT existant.

Cet exemple ici montre comment il peut être utilisé pour l'analyse des tendances boursières NVIDIA. Pour voir à quoi ressemble une invite MetaGPT Data Interpreter, je vais la dupliquer ci-dessous :

Obtenez les données sur le cours des actions de NVIDIA Corporation (NVDA) auprès de Yahoo Finance, en vous concentrant sur les cours de clôture historiques des 5 dernières années. Statistiques récapitulatives (moyenne, médiane, écart type, etc.) pour comprendre la tendance centrale et la dispersion des cours de clôture. Analysez les données pour détecter toute tendance, modèle ou anomalie notable au fil du temps, éventuellement en utilisant des moyennes mobiles ou des changements en pourcentage. Créez un tracé pour visualiser toutes les analyses de données. Réservez 20 % de l'ensemble de données pour la validation. Entraînez un modèle prédictif sur l’ensemble d’entraînement. Signalez la précision de validation du modèle et visualisez le résultat du résultat de la prédiction. fermer

Vous pouvez consulter l'exemple de bloc-notes (lien ci-dessus) pour suivre le processus de MetaGPT et voir les résultats. Alerte spoiler : Deep Wisdom ne les partage pas car ils ne sont pas impressionnants 🙂

Lire le papier complet pour toutes les informations que vous pourriez demander. Vous pouvez en savoir plus sur l'installation et l'utilisation sur le site du projet GitHub repo. Je peux attester par expérience que MetaGPT est un projet intéressant à vérifier, et avec l'ajout de l'agent Data Interpreter, c'est encore plus vrai qu'avant.
 
 

Matthieu Mayo (@mattmayo13) est titulaire d'une maîtrise en informatique et d'un diplôme d'études supérieures en fouille de données. En tant que rédacteur en chef de KDnuggets, Matthew vise à rendre accessibles les concepts complexes de la science des données. Ses intérêts professionnels incluent le traitement du langage naturel, les algorithmes d’apprentissage automatique et l’exploration de l’IA émergente. Il est animé par la mission de démocratiser les connaissances dans la communauté de la science des données. Matthew code depuis l'âge de 6 ans.

spot_img

Dernières informations

spot_img