要約
このペーパーでは、複雑なマルチステップのデータ分析タスクを解決するために大規模言語モデル (LLM) を強化するように設計された新しいフレームワークである、データ分析におけるマルチステップ インサイト合成のための Advanced Reasoning and Transformation Engine (ARTEMIS-DA) について説明します。
ARTEMIS-DA は、3 つのコア コンポーネントを統合します。プランナーは、複雑なユーザー クエリを、データの前処理、変換、予測モデリング、視覚化を含む構造化された順次命令に分解します。
Coder は、これらの命令を実装するための Python コードを動的に生成および実行します。
もう 1 つは、生成されたビジュアライゼーションを解釈して実用的な洞察を引き出す Grapher です。
これらのコンポーネント間の連携を調整することで、ARTEMIS-DA は、高度な推論、複数ステップの変換、および多様なデータ モダリティにわたる合成を含む高度な分析ワークフローを効果的に管理します。
このフレームワークは、WikiTableQuestions や TabFact などのベンチマークで最先端 (SOTA) のパフォーマンスを実現し、複雑な分析タスクに正確かつ適応性をもって取り組む能力を実証しています。
ARTEMIS-DA は、LLM の推論機能と自動化されたコード生成および実行および視覚分析を組み合わせることで、複数ステップの洞察合成のための堅牢でスケーラブルなソリューションを提供し、データ分析における幅広い課題に対処します。
要約(オリジナル)
This paper presents the Advanced Reasoning and Transformation Engine for Multi-Step Insight Synthesis in Data Analytics (ARTEMIS-DA), a novel framework designed to augment Large Language Models (LLMs) for solving complex, multi-step data analytics tasks. ARTEMIS-DA integrates three core components: the Planner, which dissects complex user queries into structured, sequential instructions encompassing data preprocessing, transformation, predictive modeling, and visualization; the Coder, which dynamically generates and executes Python code to implement these instructions; and the Grapher, which interprets generated visualizations to derive actionable insights. By orchestrating the collaboration between these components, ARTEMIS-DA effectively manages sophisticated analytical workflows involving advanced reasoning, multi-step transformations, and synthesis across diverse data modalities. The framework achieves state-of-the-art (SOTA) performance on benchmarks such as WikiTableQuestions and TabFact, demonstrating its ability to tackle intricate analytical tasks with precision and adaptability. By combining the reasoning capabilities of LLMs with automated code generation and execution and visual analysis, ARTEMIS-DA offers a robust, scalable solution for multi-step insight synthesis, addressing a wide range of challenges in data analytics.
arxiv情報
著者 | Atin Sakkeer Hussain |
発行日 | 2024-12-18 18:44:08+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google