HumanSignal/Adala

Adala: фреймворк автономных агентов (агентов разметки) данных

Агенты⭐ 1 636Pythonпоследний релиз: 0.0.4
Открыть на GitHub ↗Сайт проекта ↗

Что это за инструмент

Adala — это фреймворк для создания автономных AI-агентов, которые самостоятельно обучаются выполнять задачи по разметке и обработке данных на основе примеров ground truth.

Зачем нужен

Инструмент позволяет агентам итеративно развивать навыки (skills) через взаимодействие с окружением и рефлексию, используя LLM в качестве runtime. Это полезно для автоматизации сложных процессов обработки данных, где требуется высокая точность и адаптивность без ручного написания каждого шага.

Что можно реализовать

  • Автоматическая классификация текстов (например, анализ тональности отзывов)
  • Предобработка и постобработка данных для ML-моделей
  • Создание специализированных агентов для сложных задач разметки данных
  • Исследование причинно-следственных связей и декомпозиции проблем в ML

Ключевые возможности

  • Автономное обучение: агенты развивают навыки через наблюдение и рефлексию
  • Контролируемый вывод: возможность задавать строгие или гибкие ограничения для результатов
  • Гибкий runtime: поддержка различных LLM-провайдеров (OpenAI, VertexAI) и возможность кастомизации
  • Опора на ground truth: обучение происходит на основе эталонных наборов данных
  • Интеграция с Python: нативная работа с DataFrames и Jupyter Notebooks

👤 Кому подойдёт: AI-инженеры, исследователи машинного обучения, дата-сайентисты, преподаватели и студенты

Релизы

0.0.4major
🕐 34 мес назад · релиз на GitHub ↗

Релиз Adala 0.0.4: внедрён алгоритм PE2 для промптов, среда CodeEnvironment для валидации кода и кастомные функции сопоставления.

  • Added: Новый алгоритм промпт-инжиниринга на базе метода PE2, повышающий качество промптов и точность на бенчмарке GSM-8k на 20%.
  • Added: Добавлена CodeEnvironment для выполнения и валидации сгенерированного кода (например, Python), что позволяет непрерывно улучшать результаты агента.
  • Added: Пользователи могут определять собственные функции сопоставления для выравнивания предсказаний агента с эталонными примерами.
  • Added: Параметр instructions_first даёт больше контроля над структурой финального промпта, что полезно при работе с большими текстами.
  • Fixed: Добавлен механизм повторных попыток (retry) для API OpenAI для решения проблем с доступностью.