LAFA: 代理LLM驱动的分布式数据源联合分析

于红博

摘要: 大型语言模型（LLMs）已经显示出在通过解释自然语言查询和生成多操作执行计划来自动化数据分析任务方面具有巨大潜力。然而，现有的基于LLM代理的分析框架在假定中央数据访问的情况下运作，几乎没有提供隐私保护。相比之下，联邦分析（FA）能够实现跨分布式数据源的隐私保护计算，但缺乏对自然语言输入的支持，需要结构化的、机器可读的查询。在这项工作中，我们提出了LAFA，这是第一个将LLM代理驱动的数据分析与FA相结合的系统。LAFA引入了一个接受自然语言查询并将其转换为优化的可执行FA工作流的分层多代理架构。粗粒度规划器首先将复杂查询分解为子查询，而细粒度规划器使用先前的结构知识将每个子查询映射到FA操作的有向无环图中。为了提高执行效率，优化器代理重写并合并多个DAG，消除冗余操作并最小化计算和通信开销。我们的实验表明，LAFA始终优于基准提示策略，通过实现更高的执行计划成功率并大幅减少资源密集型的FA操作。这项工作为支持FA环境中的自然语言输入的隐私保护、LLM驱动的分析奠定了实践基础。

更新时间: 2025-10-30 04:49:08

领域: cs.AI

下载: http://arxiv.org/abs/2510.18477v2