Redian新闻
>
大语言模型做数据助手,浙大Data-Copilot高效调用、处理、可视化数据

大语言模型做数据助手,浙大Data-Copilot高效调用、处理、可视化数据

公众号新闻
机器之心专栏

机器之心编辑部


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。

近日,浙江大学提出 DataCopilot,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。


Repo: https://github.com/zwq2018/Data-Copilot 
Arxiv: https://arxiv.org/abs/2306.07209
Demo: https://huggingface.co/spaces/zwq2018/Data-Copilot

只需要输入文字告诉 DataCopilot 你想看啥数据,无需繁琐的操作,无需自己编写代码,DataCopilot 自主地将原始数据转化为最符合用户意图的可视化结果,因为它可以自主地帮你找数据,处理数据,分析数据,画图,无需人类协助。


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:

  • 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。
  • 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。
  • 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。

因此,为了实现的囊括数据相关任务的通用框架,研究提出 Data-Copilot:


Data-Copilot 是一个基于 LLM 的系统,用于处理与数据相关的任务,连接了数十亿条数据和多样化的用户需求。它独立设计接口工具,以高效地管理、调用、处理和可视化数据。在接收到复杂请求时,Data-Copilot 会自主调用这些自设计的接口,构建一个工作流程来满足用户的意图。在没有人类协助的情况下,它能够熟练地将来自不同来源、不同格式的原始数据转化为人性化的输出,如图形、表格和文本。

主要贡献

  • 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。

 主要方法

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:研究设计了一个 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。

Data-Copilot 通过自动生成请求和自主设计接口的方式,实现了高度自动化的数据处理和可视化,满足用户的需求并以多种形式向用户展示结果。


接口设计

如上图所示,首先要实现数据管理,第一步需要接口工具。

Data-Copilot 会自己设计了大量接口作为数据管理的工具,其中接口是由自然语言(功能描述)和代码(实现)组成的模块,负责数据获取、处理等任务。

  • 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,研究利用 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。

如下图:Data-Copilot 自己设计的接口工具用于数据处理:


接口调度

在前一个阶段,研究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。如上图所示的两个查询请问,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。

如下图例子:

 
Data-Copilot 自主设计了工作流如下:


针对这个复杂的问题,Data-Copilot 采用了 loop_rank 这个接口来实现多次循环查询。

最后该工作流并执行后结果如下:

横坐标是每只成分股的股票名字,纵坐标是一季度的净利润同比增长率

实验结果

预测工作流



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



并行工作流




 结论

研究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。

研究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。

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:[email protected]

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
学习生成式大语言模型,东北大学自然语言处理实验室有一堂课数字货币会吃人吗DevOps 是否已死?AI 和大语言模型给云计算和 DevOps 带来了哪些影响?|InfoQ 趋势报告Jupyter推出免费AI助手,不只会写代码,多种大模型都能调用大语言模型的多语言机器翻译能力分析竹间智能总裁兼COO孙彬:大语言模型如何在企业落地以 LLM 为核心 LLM@Core:程序员的大语言模型技术指南矢量数据库:企业数据与大语言模型的链接器军工企业的最后辉煌剑桥、腾讯AI Lab等提出大语言模型PandaGPT:一个模型统一六种模态微软发布 Guidance 语言,用于控制大语言模型5058 血壮山河之武汉会战 鏖战幕府山 27一句话搞定数据分析,浙大全新大模型数据助手,连搜集都省了从春晚到《漫长的季节》,他演了无数可怜、可悲、可敬、可叹的小人物大语言模型会偷懒?新研究:上下文太长,模型会略过中间不看 | 本周论文推荐WAIC 2023 | 微软Office产品团队技术负责人蔡玮鑫:Copilot中大语言模型应用实践经验GPT-4调用插件40次都没成功,果断放弃,无效调用、拒绝回答时有发生大模型竞争突然升级!亚马逊 CEO 亲自监督、组建新的核心技术团队,集中优势资源打造“最具野心”的大语言模型两首和我的太阳的合唱:《金风吹来的时候》&《呼伦牧歌》改写游戏规则!Meta开源大语言模型Llama 2,可免费商用;微软Copilot定价每月每用户30美元 | 环球科学要闻“千模千测”——针对大语言模型认知能力的高效测试方法从文心一言 APP 看大语言模型时代的 C 端产品研发变革|QCon同事富贵——写着玩(8)大型语言模型专场上线!四位AI新青年直播讲解MiniGPT-4、LLaVA、Gorilla以及大型语言模型Token危机Data-Copilot: 大语言模型做你最贴心省事的数据助手商汤大模型全面升级!「商量SenseChat 2.0」大语言模型疯狂上分三行代码调用PandaLM大模型自动实现保护隐私、可靠、可复现的大模型评估BLIP-2、InstructBLIP稳居前三!十二大模型,十六份榜单,全面测评「多模态大语言模型」语言模型做先验,统一强化学习智能体,DeepMind选择走这条通用AI之路三行代码调用大模型裁判PandaLM:保护隐私、可靠、可复现QCon 15 年特别策划:大语言模型如何给前端开发者带来新体验万字长文概览大语言模型对齐(欺骗性对齐、可扩展的监管、机械可解释性、工具性目标趋同)ArchGuard Co-mate:一次关于大语言模型与架构治理、架构设计的探索京东开源:一款高效的企业级表格可视化搭建解决方案!数据可视化:基于 Echarts + SpringBoot 的动态实时大屏银行监管系统【源码】
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。