هوش مصنوعی
BobFlow می‌خواهد تحلیل داده با عامل‌های هوش مصنوعی را برای تحلیلگران قابل‌فهم‌تر کند
این سامانه تحلیل را به‌صورت جریان داده می‌سازد تا کاربر بتواند مراحل را بررسی و اصلاح کند؛ در ارزیابی پژوهشگران، دقت تا ۱۸٫۶ امتیاز افزایش یافت و هزینهٔ استنتاج کمی بیش از یک‌سوم عامل مبتنی بر اسکریپت بود.
پژوهشگران در پیش‌چاپی در arXiv، سامانه‌ای به نام BobFlow معرفی کرده‌اند که همکاری تحلیلگران با عامل‌های مبتنی بر مدل‌های زبانی بزرگ را بر پایهٔ «جریان داده» پیش می‌برد. برخلاف اسکریپت‌های Python یا SQL که به گفتهٔ پژوهشگران فهم و ویرایششان برای برخی تحلیلگران دشوار است، جریان داده فرایند پردازش را به شکلی عرضه می‌کند که کاربر بتواند آن را بررسی، هدایت و اصلاح کند.
BobFlow الگوی ReAct را با این روش ترکیب می‌کند: عامل به‌صورت تکرارشونده جریان‌های داده را برای انجام وظایف علم داده می‌سازد و اجرا می‌کند و تحلیلگر می‌تواند خروجی و مراحل تحلیل را ببیند و بازخورد بدهد. پژوهشگران می‌گویند مطالعهٔ کاربری نشان داد این سامانه به تحلیلگران در فهم، بررسی و راستی‌آزمایی تحلیل‌های تولیدشده به‌دست عامل کمک می‌کند.
در ارزیابی آزمایشی با مدل‌های زبانی اختصاصی و متن‌باز، BobFlow در برخی سنجه‌ها افزایش دقتی تا ۱۸٫۶ امتیاز ثبت کرد؛ هزینهٔ استنتاج آن نیز کمی بیشتر از یک‌سوم هزینهٔ عامل ReAct مبتنی بر اسکریپت بود. این نتایج در چکیدهٔ پیش‌چاپ گزارش شده‌اند و جزئیات بیشتر ارزیابی در داده‌های منبع ارائه نشده است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده