Проблема: хаос больших данных в урбанистике
Автоматизация задач Data Science с помощью больших языковых моделей (LLM) сталкивается с серьезным ограничением: существующие агенты работают с ограниченными наборами данных. В сценариях, требующих работы с масштабными и гетерогенными репозиториями (например, городская инфраструктура), это становится критическим узким местом. Городские данные отличаются не только объемом, но и сложными пространственными, временными и семантическими связями, которые стандартные LLM-агенты часто упускают.
Решение: UrbanDS и графовая архитектура
Команда разработала UrbanDS — многоагентную систему, где навигация по данным осуществляется через унифицированный граф датасетов. Архитектура включает специализированных агентов, каждый из которых отвечает за свой этап:
- Data Profiling Agent: создает «навыки» (скиллы) для каждого датасета, анализируя его структуру.
- Relation Agent: выявляет связи между различными наборами данных и интегрирует их в граф.
- Planner Agent: на этапе выполнения извлекает релевантные датасеты из графа и строит план действий.
- Execution Agents: выполняют обработку и анализ, обмениваясь промежуточными результатами через общую память.
- Report Agent: синтезирует логи в отчет, который можно доработать по обратной связи пользователя.
Оценка: UrbanDS-Bench и реальные внедрения
Для объективной оценки была создана бенчмарк-платформа UrbanDS-Bench, охватывающая типичные задачи анализа и моделирования городских данных. Эксперименты показали, что UrbanDS стабильно превосходит существующих агентов в задачах, требующих работы с большими объемами информации. Система уже развернута на платформе операционного управления района Дуньси (Dongxihu District) в Ухане, что подтверждает ее применимость в реальных городских условиях.
Ключевые характеристики системы
| Компонент | Функция | Значение для задачи |
|---|---|---|
| Граф датасетов | Хранение связей и метаданных | Позволяет агентам находить неочевидные корреляции между источниками |
| Relation Agent | Построение графа | Автоматическое выявление пространственных и временных зависимостей |
| Common Memory | Общая память агентов | Синхронизация прогресса и результатов между Execution Agents |
| UrbanDS-Bench | Бенчмарк | Стандартизированная оценка эффективности на урбанистических задачах |
Работа демонстрирует переход от простого генерации кода к созданию интеллектуальных систем, способных самостоятельно ориентироваться в сложных экосистемах данных.
Источник: arXiv cs.AI ↗