WorkflowLLM
W
Workflowllm
簡介 :
WorkflowLLM是一個以數據為中心的框架,旨在增強大型語言模型(LLMs)在工作流編排方面的能力。核心是WorkflowBench,這是一個大規模的監督式微調數據集,包含來自83個應用、28個類別的1503個API的106763個樣本。WorkflowLLM通過微調Llama-3.1-8B模型,創建了專門針對工作流編排任務優化的WorkflowLlama模型。實驗結果表明,WorkflowLlama在編排複雜工作流方面表現出色,並且能夠很好地泛化到未見過的API。
需求人群 :
WorkflowLLM的目標受眾是開發者、數據科學家和自動化工程師,特別是那些需要處理複雜工作流和自動化任務的人。該框架通過提供大規模的數據集和優化的模型,使得這些專業人員能夠更有效地構建和部署基於LLM的解決方案,以實現業務流程的自動化。
總訪問量: 474.6M
佔比最多地區: US(19.34%)
本站瀏覽量 : 52.2K
使用場景
開發者使用WorkflowLLM來自動化複雜的軟件開發流程。
數據科學家利用WorkflowLLM處理和分析大規模數據集。
自動化工程師使用WorkflowLLM來設計和優化工業自動化流程。
產品特色
數據收集:從RoutineHub等平臺收集現實世界的Apple快捷指令,並將其轉錄成Python風格的代碼。
查詢擴展:使用ChatGPT生成多樣化和複雜的任務查詢,以豐富工作流數據集。
工作流生成:訓練有素的註釋模型為合成查詢生成工作流,然後進行質量檢查,並與收集的樣本合併,形成最終的數據集。
模型微調:使用WorkflowBench微調Llama-3.1-8B模型,創建WorkflowLlama,專門針對工作流編排任務優化。
實驗結果:WorkflowLlama在編排複雜工作流和泛化到未見API方面表現出色。
數據預處理:將原始的Apple Shortcuts plist格式轉換為抽象語法樹(AST)表示,提高數據的可讀性和實用性。
訓練與推理:提供工具用於模型的訓練和推理,支持日誌記錄和保存中間檢查點。
使用教程
1. 環境設置:確保Python 3.8已安裝,並根據requirements.txt安裝所有依賴。
2. 數據預處理:運行preprocess/Convert_ShortCut_to_Python.py腳本來將.plist或.shortcut文件轉換為Python兼容格式。
3. 訓練模型:執行scripts/train.sh腳本來開始訓練模型,提供基礎模型路徑和數據路徑作為參數。
4. 運行推理:模型訓練完成後,使用scripts/infer.sh運行推理,提供訓練好的模型檢查點路徑。
5. 查看結果:分析模型的輸出,評估工作流編排的效果。
6. 微調和優化:根據實驗結果對模型進行微調,以適應特定的工作流需求。
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase