Zephyrnet-logotyp

Introduktion av MetaGPTs datatolk: SOTA Open Source LLM-baserade datalösningar – KDnuggets

Datum:

MetaGPT:s datatolkare: statistisk modellering med öppen källkod
Bild skapad av författare med Midjourney
 

MetaGPT är ett ramverk för flera agenter för att tilldela roller till olika agenter vilket leder till bildandet av samarbetsenheter som kan arbeta i tandem för att utföra komplexa instruktioner. MetaGPT fakturerar sig själv som ett "mjukvaruföretag som multi-agent system", vilket ger dig en uppfattning om den avsedda användningen av dessa samarbetsenheter. MetaGPT kan användas som en fristående app från kommandoraden, och som ett bibliotek i dina egna Python-skript, vilket möjliggör den flexibilitet och kontroll man skulle önska i ett sådant ramverk.

Projektet startade i april 2023 och utnyttjade ChatGPT och har i skrivande stund nästan 40 XNUMX stjärnor på GitHub. Dess GitHub-repo beskriver sig själv enligt följande:

MetaGPT tar ett enradskrav som input och matar ut användarberättelser / konkurrensanalys / krav / datastrukturer / API:er / dokument, etc.

Internt inkluderar MetaGPT produktchefer / arkitekter / projektledare / ingenjörer. Den tillhandahåller hela processen för ett mjukvaruföretag tillsammans med noggrant orkestrerade SOP:er.

MetaGPT-arkitektur
MetaGPT:s programvaruföretag Multi-Agent Schematic (Grundvis implementering) (från MetaGPTs GitHub)
 

MetaGPT kan användas för kodgenerering, prototyper, projektplanering och mer. Det har erkänts som en enastående prestation med öppen källkod, och är ständigt en trendig GitHub-repo.

Det är MetaGPT. Låt oss nu diskutera Datatolk, Djup visdoms senaste MetaGPT-förbättring och prestation i sin egen rätt.

 

Data Interpreter är en annan medlemsagent i MetaGPT-ramverket, en agent dedikerad till att bedöma och lösa datarelaterade uppgifter. Från tidningen:

I den här studien introducerar vi Data Interpreter, en lösning utformad för att lösa med kod som betonar tre centrala tekniker för att utöka problemlösning inom datavetenskap: 1) dynamisk planering med hierarkiska grafstrukturer för dataanpassning i realtid; 2) verktygsintegration dynamiskt för att förbättra kodfärdigheten under exekvering, vilket berikar erforderlig expertis; 3) logisk inkonsekvensidentifiering i feedback och effektivitetsförbättring genom upplevelseregistrering. […] Jämfört med baslinjer med öppen källkod, visade den överlägsen prestanda, uppvisade betydande förbättringar i maskininlärningsuppgifter, ökande från 0.86 till 0.95. Dessutom visade det en 26% ökning av MATH-datauppsättningen och en anmärkningsvärd 112% förbättring i öppna uppgifter.

Dessa fynd är verkligen imponerande. Och det finns ingen anledning att ta dem för nominellt värde, eftersom de har publicerat dessa resultat. Deep Wisdom har också gjort tillgängligt en uppsjö av exempel för att visa hur deras Data Interpreter-agent kan användas i samband med det befintliga MetaGPT-ramverket.

Detta exempel här visar hur den kan användas för NVIDIA aktietrendanalys. För att se hur en MetaGPT Data Interpreter-prompt ser ut, kommer jag att duplicera den nedan:

Skaffa NVIDIA Corporation (NVDA) aktiekursdata från Yahoo Finance, med fokus på historiska stängningskurser från de senaste 5 åren. Sammanfattande statistik (medelvärde, median, standardavvikelse, etc.) för att förstå den centrala tendensen och spridningen av stängningskurser. Analysera data för märkbara trender, mönster eller anomalier över tid, eventuellt med rullande medelvärden eller procentuella förändringar. Skapa en plot för att visualisera all dataanalys. Reservera 20 % av datamängden för validering. Träna en prediktiv modell på träningssetet. Rapportera modellens valideringsnoggrannhet och visualisera resultatet av prediktionsresultatet. stänga

Du kan kolla in exempelanteckningsboken (länkad ovan) för att följa MetaGPTs process och se resultatet. Spoilervarning: Deep Wisdom delar dem inte eftersom de inte är imponerande 🙂

Läsa hela papperet för all info du kan begära. Du kan ta reda på mer om installation och användning på projektets GitHub repo. Jag kan intyga av erfarenhet att MetaGPT är ett värdefullt projekt att kolla in, och med tillägget av Data Interpreter-agenten är detta ännu mer sant än det var tidigare.
 
 

Matthew Mayo (@mattmayo13) har en magisterexamen i datavetenskap och en examen i datautvinning. Som chefredaktör för KDnuggets strävar Matthew efter att göra komplexa datavetenskapliga koncept tillgängliga. Hans yrkesintressen inkluderar naturlig språkbehandling, maskininlärningsalgoritmer och att utforska framväxande AI. Han drivs av ett uppdrag att demokratisera kunskap inom datavetenskapssamhället. Matthew har kodat sedan han var 6 år gammal.

plats_img

VC Café

VC Café

Senaste intelligens

plats_img