データを処理するには、この AI ツールを使用するだけです。
その背後にある大規模言語モデル (LLM) を利用することで、必要な作業は 必要なデータ を 1 文で記述するだけで、残りはそのままにします。
処理、分析、さらには可視化もすべて簡単に行うことができます。自分で収集する必要さえありません。
写真
次のコンテンツは寄稿者によって提供されています
金融、気象、エネルギー、その他の業界では、毎日大量の異種データが生成されています。このデータを効果的に管理、処理、表示するツールが緊急に必要とされています。 DataCopilot は、ユーザーの多様なクエリ、計算、予測、視覚化、その他のニーズを満たす大規模な言語モデルを展開することで、大量のデータを自律的に管理および処理します。 テキストを入力するだけで、見たいデータを DataCopilot に伝えることができ、面倒な操作は必要ありません。独自のコードを記述する必要はありません。 DataCopilot は、元のデータを自律的に視覚化結果に変換します。それはユーザーの意図に最もよく応えるものです。
さまざまな形のデータ関連タスクをカバーする普遍的なフレームワークを実現するために、研究チームは Data-Copilot を提案しました。 このモデルは、LLM を使用するだけで発生するデータ漏洩のリスク、不十分なコンピューティング能力、複雑なタスクを処理できない問題を解決します。
図
独立したインターフェイスを独自に設計およびスケジュールし、作業プロセスを構築します。ユーザーの意図を満たすために。 人間の支援なしで
、さまざまなソースおよびさまざまな形式の生データを、グラフィック、表、テキストなどの人間化された出力に巧みに変換できます。写真
Data-Copilot プロジェクトの主な貢献は次のとおりです。
データ ソースの接続とさまざまな分野での多様化ユーザーのニーズを満たし、面倒な労力と専門知識を削減します。
- データの自律的な管理、処理、分析、予測、視覚化を実現し、生データをユーザーの意図に最も合致する有益な結果に変換できます。
- これには、
- designer と
- scheduler という二重の ID があり、インターフェイス ツール設計プロセス (デザイナー) とスケジューリング プロセス (スケジューラー) の 2 つのプロセスが含まれます。 Data-Copilot デモは、中国の金融市場データに基づいて構築されました。 ワークフローを個別に設計して実行する
- 次の例を使用して、Data-Copilot のパフォーマンスを確認してみましょう。
上海総合 50 指数のすべてのコンポーネント今年の第 1 四半期の株式の純利益の前年比成長率はどのくらいですか?
Data-Copilot はこのようなワークフローを独自に設計しました:
画像
これを目的とした複雑な問題の場合、Data-Copilot は、loop_rank インターフェイスを使用して複数のループ クエリを実装します。 Data-Copilot は、このワークフローを実行した後、次の結果を得ました:
横軸は各構成銘柄の名前、縦軸は各構成銘柄の純利益の前年比成長率です。第 1 四半期
写真
一般的なデータ処理プロセスに加えて、Data-Copilot はさまざまなワークフローも生成できます。 研究チームは、予測と並列の 2 つのワークフロー モードで Data-Copilot をテストしました。
予測ワークフロー
既知のデータ以外の部分について、Data-Copilot は、たとえば次の質問を入力して予測することもできます。
次の 4 四半期の中国の四半期 GDP を予測する
Data-Copilot は次のようなワークフローを展開します:
過去の GDP データを取得→線形回帰モデルを使用して将来を予測→テーブルを出力
#Picture実行後の結果は次のとおりです:
写真
パラレル ワークフロー
CATL と Kweichow Moutai の過去 3 年間の株価収益率を確認したいです
対応 ワークフローは次のとおりです。
株価データの取得→関連指数の計算→チャートの生成
画像
関連作業2 つの株式は同時に存在します。並行して、最終的に次のチャートが取得されます。
Picture
Main Method
Data- Copilot は一般的な大規模言語モデルです。システムには、インターフェイス設計とインターフェイス スケジューリングという 2 つの主要な段階があります。
- インターフェイス設計: 研究チームは、LLM が少数のシード リクエストから十分なリクエストを自律的に生成できるようにする自己リクエスト プロセスを設計しました。次に、LLM は、生成されたリクエストに基づいてインターフェイスを繰り返し設計および最適化します。これらのインターフェイスは自然言語を使用して記述されているため、異なるプラットフォーム間での拡張や転送が容易になります。
- インターフェイスのスケジューリング: ユーザーのリクエストを受け取った後、LLM は、独自に設計したインターフェイスの説明とコンテキスト内のデモンストレーションに基づいてインターフェイス ツールを計画および呼び出し、ユーザーのニーズを満たすワークフローを展開し、結果を複数の形式でユーザーに提示します。
Data-Copilot は、リクエストを自動的に生成し、ユーザーのニーズを満たして結果を複数の形式でユーザーに表示するインターフェースを独立して設計することにより、高度に自動化されたデータ処理と視覚化を実現します。
図
インターフェース設計
上図に示すように、まずデータ管理を実装する必要があり、最初のステップではインターフェースが必要です。ツール。
Data-Copilot は、データ管理ツールとして多数のインターフェイスを設計します。インターフェイスは、データの取得、処理、および処理を担当する自然言語 (機能記述) とコード (実装) で構成されるモジュールです。他のタスク。
- まず、LLM は、さまざまなアプリケーション シナリオを可能な限りカバーするために、少数のシード リクエストを使用し、多数のリクエスト (セルフリクエストによるデータ探索) を独立して生成します。
- 次に、LLM はこれらのリクエストに対応するインターフェイス (インターフェイス定義: 説明とパラメーターのみを含む) を設計し、反復ごとにインターフェイス設計を徐々に最適化します (インターフェイスのマージ)。
- 最後に、研究者らは LLM の強力なコード生成機能を使用して、インターフェイス ライブラリ内の各インターフェイスに特定のコード (インターフェイス実装) を生成しました。このプロセスにより、インターフェイスの設計が特定の実装から分離され、ほとんどの要求を満たすことができる多用途のインターフェイス ツールのセットが作成されます。
以下に示すように: Data-Copilot の独自設計インターフェース ツールはデータ処理に使用されます
写真
インターフェース スケジューリング
前の段階で、研究者はデータの取得、処理、視覚化のためのさまざまな共通インターフェイス ツールを入手しました。各インターフェイスには、明確かつ明示的な機能説明があります。上の図の 2 つのクエリに示されているように、Data-Copilot は、リアルタイム リクエストでのさまざまなインターフェイスの計画と呼び出しを通じて、データから複数の形式の結果までのワークフローを形成します。
- Data-Copilot は、まず意図分析を実行して、ユーザーのリクエストを正確に理解します。
- ユーザーの意図が正確に理解されると、Data-Copilot はユーザーのリクエストを処理するための合理的なワークフローを計画します。 Data-Copilot は、スケジュールの各ステップを表す固定形式の JSON (step={"arg":"", "function":"", "output":"","description":""} など) を生成します。 。
Data-Copilot は、インターフェイスの説明と例に基づいて、各ステップ内のインターフェイスのスケジュールを順次または並行して調整します。
Data-Copilot は、LLM をデータ関連タスクのあらゆる段階に統合し、ユーザーのリクエストに基づいて生データをユーザーフレンドリーな視覚化に自動的に変換することで、退屈な労働と専門知識への依存を大幅に削減します。
GitHub プロジェクト ページ: https://github.com/zwq2018/Data-Copilot
論文アドレス: https://arxiv.org/abs /2306.07209
HuggingFace デモ:https://huggingface.co/spaces/zwq2018/Data-Copilot
以上が一文でデータ分析を完了する浙江大学の新しい大型モデル データ アシスタントにより、収集の必要がなくなりましたの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
从VAE到扩散模型：一文解读以文生图新范式Apr 08, 2023 pm 08:41 PM1 前言在发布DALL·E的15个月后，OpenAI在今年春天带了续作DALL·E 2，以其更加惊艳的效果和丰富的可玩性迅速占领了各大AI社区的头条。近年来，随着生成对抗网络（GAN）、变分自编码器（VAE）、扩散模型（Diffusion models）的出现，深度学习已向世人展现其强大的图像生成能力；加上GPT-3、BERT等NLP模型的成功，人类正逐步打破文本和图像的信息界限。在DALL·E 2中，只需输入简单的文本（prompt），它就可以生成多张1024*1024的高清图像。这些图像甚至
普林斯顿陈丹琦：如何让「大模型」变小Apr 08, 2023 pm 04:01 PM“Making large models smaller”这是很多语言模型研究人员的学术追求，针对大模型昂贵的环境和训练成本，陈丹琦在智源大会青源学术年会上做了题为“Making large models smaller”的特邀报告。报告中重点提及了基于记忆增强的TRIME算法和基于粗细粒度联合剪枝和逐层蒸馏的CofiPruning算法。前者能够在不改变模型结构的基础上兼顾语言模型困惑度和检索速度方面的优势；而后者可以在保证下游任务准确度的同时实现更快的处理速度，具有更小的模型结构。陈丹琦 普
找不到中文语音预训练模型？中文版 Wav2vec 2.0和HuBERT来了Apr 08, 2023 pm 06:21 PMWav2vec 2.0 [1]，HuBERT [2] 和 WavLM [3] 等语音预训练模型，通过在多达上万小时的无标注语音数据（如 Libri-light ）上的自监督学习，显著提升了自动语音识别（Automatic Speech Recognition, ASR），语音合成（Text-to-speech, TTS）和语音转换（Voice Conversation，VC）等语音下游任务的性能。然而这些模型都没有公开的中文版本，不便于应用在中文语音研究场景。 WenetSpeech [4] 是
解锁CNN和Transformer正确结合方法，字节跳动提出有效的下一代视觉TransformerApr 09, 2023 pm 02:01 PM由于复杂的注意力机制和模型设计，大多数现有的视觉 Transformer（ViT）在现实的工业部署场景中不能像卷积神经网络（CNN）那样高效地执行。这就带来了一个问题：视觉神经网络能否像 CNN 一样快速推断并像 ViT 一样强大？近期一些工作试图设计 CNN-Transformer 混合架构来解决这个问题，但这些工作的整体性能远不能令人满意。基于此，来自字节跳动的研究者提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer——Next-ViT。从延迟 / 准确性权衡的角度看，
Stable Diffusion XL 现已推出—有什么新功能，你知道吗？Apr 07, 2023 pm 11:21 PM3月27号，Stability AI的创始人兼首席执行官Emad Mostaque在一条推文中宣布，Stable Diffusion XL 现已可用于公开测试。以下是一些事项：“XL”不是这个新的AI模型的官方名称。一旦发布稳定性AI公司的官方公告，名称将会更改。与先前版本相比，图像质量有所提高与先前版本相比，图像生成速度大大加快。示例图像让我们看看新旧AI模型在结果上的差异。Prompt: Luxury sports car with aerodynamic curves, shot in a
五年后AI所需算力超100万倍！十二家机构联合发表88页长文：「智能计算」是解药Apr 09, 2023 pm 07:01 PM人工智能就是一个「拼财力」的行业，如果没有高性能计算设备，别说开发基础模型，就连微调模型都做不到。但如果只靠拼硬件，单靠当前计算性能的发展速度，迟早有一天无法满足日益膨胀的需求，所以还需要配套的软件来协调统筹计算能力，这时候就需要用到「智能计算」技术。最近，来自之江实验室、中国工程院、国防科技大学、浙江大学等多达十二个国内外研究机构共同发表了一篇论文，首次对智能计算领域进行了全面的调研，涵盖了理论基础、智能与计算的技术融合、重要应用、挑战和未来前景。论文链接：https://spj.scien
什么是Transformer机器学习模型？Apr 08, 2023 pm 06:31 PM译者 | 李睿审校 | 孙淑娟近年来， Transformer 机器学习模型已经成为深度学习和深度神经网络技术进步的主要亮点之一。它主要用于自然语言处理中的高级应用。谷歌正在使用它来增强其搜索引擎结果。OpenAI 使用 Transformer 创建了著名的 GPT-2和 GPT-3模型。自从2017年首次亮相以来，Transformer 架构不断发展并扩展到多种不同的变体，从语言任务扩展到其他领域。它们已被用于时间序列预测。它们是 DeepMind 的蛋白质结构预测模型 AlphaFold
AI模型告诉你，为啥巴西最可能在今年夺冠！曾精准预测前两届冠军Apr 09, 2023 pm 01:51 PM说起2010年南非世界杯的最大网红，一定非「章鱼保罗」莫属！这只位于德国海洋生物中心的神奇章鱼，不仅成功预测了德国队全部七场比赛的结果，还顺利地选出了最终的总冠军西班牙队。不幸的是，保罗已经永远地离开了我们，但它的「遗产」却在人们预测足球比赛结果的尝试中持续存在。在艾伦图灵研究所（The Alan Turing Institute），随着2022年卡塔尔世界杯的持续进行，三位研究员Nick Barlow、Jack Roberts和Ryan Chan决定用一种AI算法预测今年的冠军归属。预测模型图
ホットAIツール
Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ
AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。
Undress AI Tool
脱衣画像を無料で
Clothoff.io
AI衣類リムーバー
AI Hentai Generator
AIヘンタイを無料で生成します。
人気の記事
ホットツール
ドリームウィーバー CS6
ビジュアル Web 開発ツール
SecLists
SecLists は、セキュリティ テスターの究極の相棒です。これは、セキュリティ評価中に頻繁に使用されるさまざまな種類のリストを 1 か所にまとめたものです。 SecLists は、セキュリティ テスターが必要とする可能性のあるすべてのリストを便利に提供することで、セキュリティ テストをより効率的かつ生産的にするのに役立ちます。リストの種類には、ユーザー名、パスワード、URL、ファジング ペイロード、機密データ パターン、Web シェルなどが含まれます。テスターはこのリポジトリを新しいテスト マシンにプルするだけで、必要なあらゆる種類のリストにアクセスできるようになります。
Safe Exam Browser
Safe Exam Browser は、オンライン試験を安全に受験するための安全なブラウザ環境です。このソフトウェアは、あらゆるコンピュータを安全なワークステーションに変えます。あらゆるユーティリティへのアクセスを制御し、学生が無許可のリソースを使用するのを防ぎます。
EditPlus 中国語クラック版
サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません
mPDF
mPDF は、UTF-8 でエンコードされた HTML から PDF ファイルを生成できる PHP ライブラリです。オリジナルの作者である Ian Back は、Web サイトから「オンザフライ」で PDF ファイルを出力し、さまざまな言語を処理するために mPDF を作成しました。 HTML2FPDF などのオリジナルのスクリプトよりも遅く、Unicode フォントを使用すると生成されるファイルが大きくなりますが、CSS スタイルなどをサポートし、多くの機能強化が施されています。 RTL (アラビア語とヘブライ語) や CJK (中国語、日本語、韓国語) を含むほぼすべての言語をサポートします。ネストされたブロックレベル要素 (P、DIV など) をサポートします。
