في عالم علوم البيانات المتسارع، أصبحت القدرة على أتمتة المهام أمرًا بالغ الأهمية. هنا يظهر CEDAR، التطبيق الجديد الذي يهدف إلى تسهيل عمل العلماء عبر دمج الذكاء الاصطناعي في عملياتهم اليومية.

تتعلق الفكرة الرئيسية لـ CEDAR بكيفية استخدام نماذج اللغات الضخمة (Large Language Models) لمواجهة التحديات المتعددة التي تواجه علوم البيانات، مثل تعقيد المهام وأحجام البيانات الكبيرة والقيود الحاسوبية. تعد هذه الساحة الجديدة مثيرة للاهتمام ولها قيمة سوقية عظيمة.

تقوم CEDAR بتطبيق الهندسة السياقية بفعالية، حيث تبدأ بتحديد هيكلية واضحة للمطالبات الأولية من خلال حقول إدخال معينة تتعلق بعلوم البيانات. هذه الحقول تعمل كتعليمات للنظام الوكيل، مما يساعد في تعزيز جودة النتائج.

تتضمن الحلول المقدمة استخدام سلسلة مرتبة من الخطط ومجموعة من كتل التعليمات البرمجية التي تم إنشاؤها بواسطة وكلاء LLM منفصلين. هذا الأسلوب يوفر هيكلًا قابلًا للقراءة يساهم في تحسين التحكم في السياق خلال كل مرحلة من مراحل سير العمل.

تستعمل CEDAR أيضًا مكالمات وظيفية لتوليد نصوص وسيطة وشفرة بايثون، مما يضمن بقاء البيانات محلية بينما تُحقن الإحصائيات المجملة والتعليمات ذات الصلة في مطالبات LLM. بالإضافة إلى ذلك، تتضمن تقنيات تحمّل الأخطاء وإدارة السياق من خلال توليد الشيفرات تكراريًا وعرض التاريخ الذكي.

لقد تم اختبار فعالية عالم بياناتنا الوكالي باستخدام تحديات نموذجية من منصة Kaggle، مما يوضح نجاح CEDAR في تحقيق المزيد من الأتمتة والابتكار في علوم البيانات.