Об этом проекте

DeepAnalyze разработана командами Университета Жэньминь и Университета Цинхуа и позиционируется как агентная большая языковая модель (agentic LLM) для автономной науки о данных. Её цель — выполнение полного цикла задач науки о данных без вмешательства человека, включая подготовку данных, анализ, моделирование, визуализацию и генерацию отчетов, а также поддержку открытых углубленных исследований с использованием различных источников данных. Основные возможности - Покрытие полного цикла науки о данных: автоматическое выполнение задач подготовки данных, анализа, моделирования, визуализации и генерации отчетов. - Открытые исследования данных: обработка структурированных данных (базы данных, CSV, Excel), полуструктурированных (JSON, XML, YAML) и неструктурированных (TXT, Markdown) с итоговым формированием аналитических отчетов. - Полный открытый стек: модель (DeepAnalyze-8B), код, обучающие данные (DataScience-Instruct-500K) и демо-версии открыты для локального развертывания или доработки. Использование - Модель можно развернуть с помощью vLLM, предоставляется API в стиле OpenAI, включая таблицу рекомендаций по памяти для GPU от 16 ГБ до 80 ГБ, поддержку квантованных моделей и FP8 KV Cache. - Доступны различные интерфейсы: WebUI, WebUI v2 (поддержка HeyWhale API и песочницы на основе Docker), JupyterUI и CLI (китайский и английский языки). - Предоставляются каналы получения API-ключей и документация, а также возможность создания собственного сервиса в стиле OpenAI. Обучение и оценка - Поддержка дообучения на базе DeepSeek-R1-0528-Qwen3-8B или DeepAnalyze-8B, включая скрипты для тонкой настройки отдельных навыков, холодного старта агента с несколькими навыками и обучения с подкреплением. - В playground унифицирован процесс оценки для большинства существующих бенчмарков науки о данных, что упрощает тестирование DeepAnalyze или собственных агентов. Экосистема и связанные проекты - Связанные проекты: SkillAdam (плагин для автоматической оптимизации навыков агента), DeepPrep (агент подготовки данных), CoDA-Bench (бенчмарк кодовых агентов для задач с интенсивной обработкой данных) и DA-Studio (система, лежащая в основе WebUI v2). - Фреймворки обучения: ms-swift и SkyRL; источники данных: Reasoning-Table, Spider, BIRD, DABStep и другие. Области применения Подходит для пользователей и команд, которым требуется автоматический анализ данных, пакетная генерация отчетов или локальное развертывание частного ассистента для анализа данных.