摩根大通人工智能研究推出FlowMind，它能够利用大语言模型自动生成工作流程。在许多行业中，尤其是金融服务业，自动化重复性任务已经取得了显著进展，但在处理需要即时或不可预测任务的场景中，传统的自动化方法可能就不够有效。FlowMind通过使用像GPT这样的大语言模型，来创建一个能够自动生成工作流程的系统，以应对这些挑战。
例如，一个金融分析师需要从数千份报告中提取特定基金的托管人信息。使用FlowMind，系统可以自动生成一个工作流程，通过与金融报告APIs交互来检索和处理数据，而不需要分析师编写任何代码。此外，如果生成的工作流程在某些细节上不符合分析师的预期，她可以直接提供反馈，FlowMind将据此调整工作流程。
主要功能和特点：
- 自动工作流程生成：FlowMind能够根据用户的需求自动生成工作流程，而不需要领域专家事先设计。
- 使用大型语言模型：FlowMind利用了如GPT这样的LLMs的能力，通过一个设计良好的提示（prompt）来引导模型生成代码。
- 保护数据隐私：FlowMind确保LLMs不会直接与专有数据或代码交互，从而保护了信息的完整性和机密性。
- 用户反馈机制：系统提供了一个高层次的工作流程描述，并允许用户检查并提供反馈，以便对生成的工作流程进行微调。
- 新的金融数据集：论文中还介绍了一个名为NCEN-QA的新数据集，用于在金融领域评估问答任务的性能。
工作原理：
- 两阶段框架：FlowMind的工作分为两个阶段。第一阶段是对LLMs进行“授课”，提供任务上下文和可用的APIs信息。第二阶段是使用这些APIs生成工作流程代码，并将代码执行以向用户提供结果。
- 提示设计：通过一个通用的提示配方，FlowMind引导LLMs理解任务需求，并准备好编写代码。
- APIs的使用：FlowMind利用可靠的APIs来辅助LLMs的推理过程，这些APIs由领域专家开发和测试，确保了它们的准确性和可靠性。
- 用户交互：用户可以查看自动生成的工作流程的高层次描述，并提供反馈，FlowMind可以根据这些反馈调整工作流程。
具体应用场景：
- 金融服务业：在金融服务业中，FlowMind可以自动生成处理复杂查询的工作流程，例如，根据用户的查询自动从大量金融报告中提取特定信息。
- 数据安全敏感的行业：任何对数据隐私和安全性有特殊要求的行业，如医疗保健或法律服务，都可以从FlowMind的数据保护功能中受益。
0条评论