跳到正文
AI NEWS JOURNAL
arXiv cs.AIAI NEWS / JOURNAL

DSFlow:一种带有统计诊断防护机制的神经符号数据工作流代理

arXiv:2611.25111v1 公告类型:新 题要:数据科学工作流通常需要依赖具备相当技术背景的工具。大型语言模型(LLM)虽能降低这一门槛,但在灵活的通用型智能体与统计可控的流水线之间仍存在鸿沟。我们提出了 DSFlow,一个基于 LangGraph 的神经符号数据智能体平台,它将可复用的、由 LLM 选择的技能与确定性的诊断防护机制相结合。这些技能提供了可扩展的任务知识。符号验证能够接受所提议的方法、请求澄清或重新规划、覆盖不适用的方法,或提供安全的备选方案。回归和聚类案例研究展示了 DSFlow 如何利用诊断证据来修正方法选择,并在可审计的报告中记录这些决策。

尚无对应语言译文,当前显示原文。

摘要:数据科学工作流通常需要依赖具备一定技术门槛的工具。大型语言模型(LLM)在一定程度上降低了这一门槛,但在灵活的通用型智能体与统计可控的流水线之间仍存在鸿沟。我们提出了 DSFlow,一个基于 LangGraph 的神经符号数据智能体平台,该平台将可复用的、由 LLM 选择的技能与确定性的诊断防护机制相结合。这些技能提供了可扩展的任务知识;符号验证机制能够接受所提议的方法、请求澄清或重新规划、覆盖不适用的方法,或提供安全的回退方案。回归和聚类案例研究说明了 DSFlow 如何利用诊断证据来修正方法选择,并在可审计的报告中记录这些决策。 提交历史 访问论文: 查看 PDF HTML(实验性) TeX 源代码 附加功能 音频摘要 当前浏览上下文: 参考文献与引用 Google 学术搜索 Semantic Scholar 书签 机构 arXivLabs 是一个框架,允许合作者直接在我们的网站上开发并共享新的 arXiv 功能。 无论是个人还是与 arXivLabs 合作的组织,都已认同并接受了我们关于开放、社区、卓越以及用户数据隐私的价值观。arXiv 致力于践行这些价值观,并且仅与遵守这些原则的合作伙伴开展合作。 您是否有一个能为 arXiv 社区创造价值的项目构想?请了解更多关于 arXivLabs 的信息。

资料来源

阅读原文 ↗

相关主题

← 继续阅读全部动态