CleanAgent：基于 LLM 的智能化数据标准化

本研究提出了一种基于 ChatGPT 的对话式自动化机器学习框架，称为“个人数据科学家”。

该框架通过多个语言模型实例构建自然界面，展示了对话式数据科学的新概念。

研究引入了专业代理框架（PAgents），利用大型语言模型的能力创建互动型专长的自主代理。

DS-Agent 通过案例推理框架实现数据科学任务的自动化，显著降低了 LLMs 的基本能力要求。

TrainerAgent 系统通过任务、数据、模型和服务器代理的协作优化用户定义的任务，提升了模型的效率和质量。

ModelScope-Agent 框架使开放源代码的 LLMs 具备工具使用能力，支持全面的工具使用和评估。

GitAgent 能够从 GitHub 实现自主工具扩展，实验成功率为 69.4%。

AgentOhana 解决多样化数据来源的异构性挑战，创建了通用的数据加载器。

研究代理可以在机器学习工程问题中执行实验循环，开发了 MLAgentBench 来评估代理性能。

通过多智能体系统增强大型语言模型的能力，展示了框架的实用性和多样性。