초록: 데이터 과학 워크플로우는 종종 상당한 기술 지식을 전제로 하는 도구를 필요로 합니다. 대형 언어 모델(LLM)은 이러한 장벽을 완화하지만, 유연한 범용 에이전트와 통계적으로 관리되는 파이프라인 사이에는 여전히 격차가 존재합니다. 우리는 DSFlow를 소개합니다. 이는 LangGraph 기반의 신경-기호적 데이터 에이전트 플랫폼으로, 재사용 가능한 LLM 선택 기술과 결정론적 진단 가드레일을 결합합니다. 기술은 확장 가능한 작업 지식을 제공합니다. 기호적 검증은 제안된 방법을 수용하거나, 명확화 또는 재계획을 요청하거나, 부적합한 방법을 무시하거나, 안전한 대체 방안을 제공할 수 있습니다. 회귀 및 클러스터링 사례 연구는 DSFlow가 진단 증거를 활용하여 방법 선택을 수정하고 해당 결정을 감사 가능한 보고서에 문서화하는 방식을 보여줍니다. 투고 이력 논문 열람: PDF 보기 HTML(실험적) TeX 소스 추가 기능 음성 요약 현재 탐색 컨텍스트: 참고 문헌 및 인용 Google 학술검색 Semantic Scholar 북마크 기관 arXivLabs는 협업자가 당사 웹사이트에서 직접 새로운 arXiv 기능을 개발하고 공유할 수 있도록 지원하는 프레임워크입니다. arXivLabs를 사용하는 개인과 조직 모두 개방성, 커뮤니티, 우수성, 사용자 데이터 개인정보 보호라는 당사의 가치를 수용하고 이를 준수하고 있습니다. arXiv은 이러한 가치에 헌신하며, 이를 준수하는 파트너들과만 협력합니다. arXiv 커뮤니티에 가치를 더할 프로젝트 아이디어가 있으신가요? arXivLabs에 대해 자세히 알아보세요.
AI NEWS JOURNAL
arXiv cs.AIAI NEWS / JOURNAL
DSFlow: 통계적 진단 가드레일이 적용된 신경-기호 데이터 워크플로 에이전트
arXiv:2611.25111v1 발표 유형: 신규 초록: 데이터 과학 워크플로우는 종종 상당한 기술 지식을 전제로 하는 도구를 필요로 합니다. 대형 언어 모델(LLM)은 이러한 장벽을 완화하지만, 유연한 범용 에이전트와 통계적으로 제어된 파이프라인 사이에는 여전히 간극이 남아 있습니다. 우리는 DSFlow를 소개합니다. 이는 LangGraph 기반의 신경-기호적 데이터 에이전트 플랫폼으로, 재사용 가능한 LLM 선택 기술과 결정론적 진단 가드레일을 결합합니다. 기술은 확장 가능한 작업 지식을 제공합니다. 기호적 검증은 제안된 방법을 수용하거나, 명확화 또는 재계획을 요청하거나, 부적합한 방법을 무시하거나, 안전한 대체 방안을 제공할 수 있습니다. 회귀 및 클러스터링 사례 연구는 DSFlow가 어떻게 진단 증거를 활용하여 방법 선택을 수정하고 해당 결정을 감사 가능한 보고서에 문서화하는지 보여줍니다.
이 언어의 번역이 아직 없어 원문을 표시합니다.