deepanalyze

DeepAnalyze, desenvolvido pelas equipes da Universidade Renmin e da Universidade Tsinghua, é um modelo de linguagem de grande porte agêntico (LLM agêntico) voltado para ciência de dados autônoma. Seu objetivo é executar tarefas completas do fluxo de ciência de dados sem intervenção humana, incluindo preparação de dados, análise, modelagem, visualização e geração de relatórios, além de suportar pesquisa aprofundada e aberta em múltiplas fontes de dados. Principais capacidades - Cobertura completa do fluxo de ciência de dados: executa automaticamente tarefas como preparação de dados, análise, modelagem, visualização e geração de relatórios. - Pesquisa de dados aberta: processa dados estruturados (bancos de dados, CSV, Excel), semiestruturados (JSON, XML, YAML) e não estruturados (TXT, Markdown), produzindo relatórios analíticos. - Código aberto completo: o modelo (DeepAnalyze-8B), o código, os dados de treinamento (DataScience-Instruct-500K) e as demonstrações são todos de código aberto, facilitando implantação local ou desenvolvimento secundário. Como usar - O modelo pode ser implantado via vLLM, oferecendo API no estilo OpenAI, com tabela de recomendações de configuração de memória cobrindo cenários de 16GB a 80GB de VRAM, suportando modelos quantizados e FP8 KV Cache. - Oferece várias interfaces: WebUI, WebUI v2 (com suporte à API HeyWhale e execução de código em sandbox via Docker), JupyterUI e interface de linha de comando (em chinês e inglês). - Fornece canal para solicitar API Key e documentação de uso, além de suportar a criação de serviços próprios no estilo OpenAI. Treinamento e avaliação - Suporta fine-tuning baseado em DeepSeek-R1-0528-Qwen3-8B ou DeepAnalyze-8B, com scripts para fine-tuning de capacidade única, treinamento de inicialização a frio para agentes multicapacidade e treinamento por aprendizado por reforço. - Unifica o processo de avaliação da maioria dos benchmarks existentes de ciência de dados no playground, facilitando a avaliação do DeepAnalyze ou de agentes próprios. Ecossistema e projetos relacionados - Projetos relacionados incluem SkillAdam (plugin de otimização automática de habilidades de agentes), DeepPrep (agente de preparação de dados), CoDA-Bench (benchmark de agentes de código para tarefas intensivas em análise de dados) e DA-Studio (sistema por trás do WebUI v2). - O framework de treinamento é baseado em ms-swift e SkyRL, com dados de treinamento de fontes como Reasoning-Table, Spider, BIRD, DABStep, entre outros. Cenários de uso Adequado para usuários e equipes que precisam de análise de dados automatizada, geração em lote de relatórios analíticos ou implantação local privada de assistentes de análise de dados.