Data-Copilot: 大语言模型做你最贴心省事的数据助手

repo: 

https://github.com/zwq2018/Data-Copilot

https://arxiv.org/abs/2306.07209

https://huggingface.co/spaces/zwq2018/Data-Copilot

金融、气象、能源等各行各业每天都会生成大量的异构数据。人们急切需要一个工具来有效地管理、处理和展示这些数据。DataCopilot 通过部署大语言模型（LLMs）来自主地管理和处理海量数据，即它连接不同领域（股票、基金、公司、经济和实时新闻）的丰富数据，满足多样化的用户查询，计算，预测，可视化等需求。

介绍

许多研究已经探索了 LLMs 的潜力。例如 Sheet-Copilot、Visual ChatGPT、Audio GPT 利用 LLMs 调用视觉，语音等领域工具进行数据分析、视频编辑和语音转换。从数据科学的角度来看，表格、可视化和音频都可以被视为一种形式的数据，所有这些任务都可以被看作是与数据相关的任务。因此，一个新的问题出现了：在通用数据的背景下，LLMs 能否构建自动化的数据科学工作流来处理各种与数据相关的任务？为了实现这一目标，需要解决几个挑战：

（1）从数据角度看：直接使用 LLMs 读取和处理海量数据不仅不切实际，而且存在数据泄露的潜在风险。

（2）从模型角度看：LLMs 不擅长处理数值计算，可能没有合适的可调用外部工具来满足多样化的用户需求，从而限制了 LLMs 的利用率。

（3）从任务角度看：尽管 LLMs 展示了强大的少样本能力，但许多与数据相关的任务是复杂的，需要结合多个操作，如数据检索、计算和表格操作，并且结果需要以图像、表格和文本等多种格式呈现，这些都超出了当前 LLMs 的能力。

• 设计了一个通用的处理数据相关数据的智能系统，将不同领域的数据源和多样化的用户需求连接起来，通过将 LLM 集成到整个流程中，减少了繁琐的劳动和专业知识。
• Data-Copilot 实现自主管理、处理、分析、预测和可视化数据。当接收到请求时，它将原始数据转化为最符合用户意图的信息性结果。
• Data-Copilot 作为设计者和调度者，包括两个过程：接口工具的设计过程（设计者）和接口工具的调度过程（调度者）。

• 基于中国金融市场数据构建了 Data-Copilot Demo。

Data-Copilot 是一个通用的大语言模型系统，具有接口设计和接口调度两个主要阶段。

• 接口设计：我们设计了一个 self-request 的过程，使 LLM 能够自主地从少量种子请求生成足够的请求。然后，LLM 根据生成的请求进行迭代式的设计和优化接口。这些接口使用自然语言描述，使它们易于扩展和在不同平台之间转移。

• 接口调度：在接收到用户请求后，LLM 根据自设计的接口描述和 in context demonstration 来规划和调用接口工具,部署一个满足用户需求的工作流，并以多种形式呈现结果给用户。

如上图所示,首先要实现数据管理，第一步需要接口工具。

• 首先，LLM 通过少量的种子请求并自主生成大量请求（explore data by self-request），尽可能覆盖各种应用场景。
• 然后，LLM 为这些请求设计相应的接口（interface definition：只包括描述和参数），并在每次迭代中逐步优化接口设计（interface merge）。

• 最后，我们利用 LLM 强大的代码生成能力为接口库中的每个接口生成具体的代码（interface implementation）。这个过程将接口的设计与具体的实现分离开来，创建了一套多功能的接口工具，可以满足大多数请求。

在前一个阶段，我们获取了用于数据获取、处理和可视化的各种通用接口工具。每个接口都有清晰明确的功能描述。如图 2 所示的两个示例，Data-Copilot 通过实时请求中的规划和调用不同的接口，形成了从数据到多种形式结果的工作流程。

• Data-Copilot 首先进行意图分析来准确理解用户的请求。

• 一旦准确理解了用户的意图，Data-Copilot 将规划一个合理的工作流程来处理用户的请求。Data-Copilot 会生成一个固定格式的 JSON，代表调度的每个步骤，例如 step={"arg":"", "function":"", "output":"" ,"description":""}。

在接口描述和示例的指导下，Data-Copilot 在每个步骤内以顺序或并行的方式精心安排接口的调度。

今年一季度上证 50 指数的所有成分股的净利润增长率同比是多少

Data-Copilot 自主设计了工作流如下：

最后该工作流并执行后结果如下：

用户问题: 预测下面四个季度的中国季度 GDP

部署工作流：获取历史 GDP 数据 ----> 采用线性回归模型预测未来 ----> 输出表格

5.2 并行工作流

我想看看最近三年宁德时代和贵州茅台的市盈率

结论

我们提出了一个通用的框架，Data-Copilot，用于处理各种数据相关任务。它作为连接众多异构数据和人类之间的桥梁，根据人类的喜好有效地管理、处理和展示数据。Data-Copilot 通过将 LLMs 整合到数据相关任务的每个阶段中，根据用户的请求将原始数据自动转化为用户友好的可视化结果，显著减少了对繁琐劳动和专业知识的依赖。

像一位经验丰富的专家一样，Data-Copilot 自主设计了适用于各种类型数据和潜在用户需求的通用接口工具，并在实时响应中调用这些接口，为用户请求部署清晰的工作流程。接口设计和调度这两个过程完全由 Data-Copilot 控制，几乎不需要人的干预。

我们提供了一个中国金融版的 Data-Copilot，它可以灵活处理与股票、基金、经济、公司财务和实时新闻等方面的复杂请求，是一个可靠的人工智能助手。

#投 稿 通 道#

 让你的文字被更多人看到 

如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？答案就是：你不认识的人。

总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。 

PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学术热点剖析、科研心得或竞赛经验讲解等。我们的目的只有一个，让知识真正流动起来。

📝 稿件基本要求：

• 文章确系个人原创作品，未曾在公开渠道发表，如为其他平台已发表或待发表的文章，请明确标注 

• 稿件建议以 markdown 格式撰写，文中配图以附件形式发送，要求图片清晰，无版权问题

• PaperWeekly 尊重原作者署名权，并将为每篇被采纳的原创首发稿件，提供业内具有竞争力稿酬，具体依据文章阅读量和文章质量阶梯制结算

📬 投稿通道：

• 投稿邮箱：[email protected] 

• 来稿请备注即时联系方式（微信），以便我们在稿件选用的第一时间联系作者

• 您也可以直接添加小编微信（pwbot02）快速投稿，备注：姓名-投稿

△长按添加PaperWeekly小编

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧