数据副驾驶:用自主工作流桥接亿万数据与人类
本文介绍了一种利用 LLMs 自动学习生成机器学习解决方案的框架 MLCopilot,旨在将机器智能与人类知识相结合来提高解决新任务的能力,生成的解决方案可以直接应用于实际环境中。
Apr, 2023
提出了一种名为 SheetCopilot 的代理方案,该代理方案利用大型语言模型 (LLMs) 使用自然语言用户请求进行任务和控制电子表格,具有较高的自动化能力。经过测试,该代理方案正确完成了 44.3% 的任务,表现显著优于强代码生成基线。
May, 2023
这篇论文介绍了一种名为 Copilot for Xcode 的 AI 辅助编程工具,通过将云端的大型语言模型与苹果的本地开发环境 Xcode 无缝集成,提高了软件开发者的生产力,释放了创造力,支持苹果软件生态系统中的软件开发。它利用先进的自然语言处理技术,有效处理代码库中的源代码令牌和模式,实现代码生成、自动完成、文档编制和错误检测等功能。软件开发者还可以通过 Copilot for Xcode 的聊天界面查询和进行 “小型” 程序组合的决策,其中一些决策可以同时进行。最后,我们通过简单的案例研究展示了在 Xcode 中利用 NLP 来促进流行的大型语言模型服务如 OpenAI ChatGPT 进行程序组合和设计的有效性。
Jul, 2023
本文介绍 InsightPilot,这是一个基于 LLM(Large Language Model)的自动化数据探索系统,可以通过发出对应的意图查询(IQueries)来简化数据探索流程,通过其与最先进的洞察引擎之间的迭代协作,有效地分析现实世界的数据集,使用户可以通过自然语言查询获得有价值的见解。
Apr, 2023
提出的医疗协作助手通过对话、记忆和处理三个组件的结合,提高了大型语言模型在医疗咨询中的查询能力、对话流畅度、回答准确性和安全性。
Feb, 2024
提出了一种基于 LLM 的自主代理框架,作为 BIM 作者工具中的副驾驶员,回答软件使用问题,理解用户的设计意图,并通过调用合适的工具自主执行建模任务,以此来应对日益复杂的 BIM 作者软件和昂贵的学习成本,实现与设计过程本身的精简互动。
Jun, 2024
DBCopilot 是一个框架,通过使用紧凑且灵活的副驾驶模型,将 Text-to-SQL 过程分解为模式路由和 SQL 生成,为处理大规模模式提供了可扩展且有效的解决方案。
Dec, 2023
通过结合大型语言模型和优化技术,我们提出了一个名为 Decision Optimization CoPilot(DOCP)的人工智能工具,它旨在帮助决策者使用自然语言理解业务问题,并随后构建并解决相应的优化模型,从而显著简化了实际业务问题的优化模型的创建,从而实现更普遍的、改善决策的目标。
Feb, 2024
通过大型语言模型开发一种名为 AgentsCoDriver 的框架,实现多车辆协同驾驶,解决了当前的自主驾驶系统在解释性、泛化性、持续学习以及与其他车辆的协商与合作方面的不足。
Apr, 2024
利用 Large Language Models(LLMs)提高开发人员在开发环境(IDEs)中的生产力是现代软件开发的重点。本文介绍了 Copilot 评估工具,用于评估 LLM 引导的 IDE 交互,在不同编程场景和语言中提供了更稳健和信息丰富的评估指标。通过这些指标,我们评估了三种常见 LLMs 的性能,为未来的 LLM 引导 IDE 场景的开发和验证提供了经验教训。
Feb, 2024