deepanalyze

DeepAnalyze, desarrollado por equipos de la Universidad Renmin de China y la Universidad Tsinghua, se posiciona como un modelo de lenguaje grande agéntico (LLM agéntico) para ciencia de datos autónoma. Su objetivo es completar tareas de todo el flujo de ciencia de datos sin intervención humana, incluyendo preparación de datos, análisis, modelado, visualización y generación de informes, además de admitir investigación profunda de código abierto sobre múltiples fuentes de datos. Capacidades principales - Cubre el flujo completo de ciencia de datos: ejecuta automáticamente tareas como preparación de datos, análisis, modelado, visualización y generación de informes. - Investigación de datos abierta: maneja datos estructurados (bases de datos, CSV, Excel), semiestructurados (JSON, XML, YAML) y no estructurados (TXT, Markdown), produciendo informes analíticos finales. - Código abierto integral: el modelo (DeepAnalyze-8B), código, datos de entrenamiento (DataScience-Instruct-500K) y demostraciones están disponibles, facilitando implementación local o desarrollo secundario. Uso - El modelo se puede implementar con vLLM, ofreciendo una API de estilo OpenAI, e incluye una tabla de recomendaciones de configuración de memoria que cubre escenarios de 16GB a 80GB de VRAM, con soporte para modelos cuantizados y caché KV FP8. - Proporciona múltiples interfaces: WebUI, WebUI v2 (con API HeyWhale y ejecución de código sandbox basada en Docker), JupyterUI e interfaz de línea de comandos (en chino e inglés). - Ofrece canales para solicitar claves API y documentación de uso, además de permitir configurar un servicio propio de estilo OpenAI. Entrenamiento y evaluación - Admite ajuste fino basado en DeepSeek-R1-0528-Qwen3-8B o DeepAnalyze-8B, con scripts para ajuste fino de capacidades individuales, entrenamiento de arranque en frío de agentes multicapacidad y entrenamiento por refuerzo. - Unifica la evaluación de la mayoría de los benchmarks existentes de ciencia de datos en un playground, facilitando la evaluación de DeepAnalyze o agentes propios. Ecosistema y proyectos relacionados - Proyectos relacionados incluyen SkillAdam (plugin de optimización automática de habilidades de agentes), DeepPrep (agente de preparación de datos), CoDA-Bench (benchmark de agentes de código para tareas de análisis intensivo en datos) y DA-Studio (sistema detrás de WebUI v2). - El marco de entrenamiento se basa en ms-swift y SkyRL; las fuentes de datos de entrenamiento incluyen Reasoning-Table, Spider, BIRD, DABStep, entre otras. Casos de uso Adecuado para usuarios y equipos que necesitan análisis de datos automatizado, generación de informes analíticos por lotes o implementación local privada de asistentes de análisis de datos.