इस पेपर में, हम बड़े पैमाने पर भाषा मॉडल (LLM) एजेंटों की सीमाओं को दूर करने के लिए ऑटोमाइंड फ्रेमवर्क प्रस्तुत करते हैं, जो वास्तविक दुनिया के डेटा विज्ञान समस्याओं को हल करने की बहुत संभावना दिखाते हैं। जबकि मौजूदा फ्रेमवर्क कठोर, पूर्वनिर्धारित वर्कफ़्लो और अनम्य कोडिंग रणनीतियों पर अपनी निर्भरता के कारण जटिल समस्याओं को हल करने के लिए संघर्ष करते हैं, ऑटोमाइंड तीन प्रमुख प्रगति के माध्यम से इन सीमाओं को दूर करता है: 1. विशेषज्ञ ज्ञान आधारों का लाभ उठाना, 2. ज्ञान-आधारित वृक्ष अन्वेषण एल्गोरिदम, और 3. स्व-अनुकूली कोडिंग रणनीतियाँ। दो स्वचालित डेटा विज्ञान बेंचमार्क पर मूल्यांकन के परिणाम बताते हैं कि ऑटोमाइंड अत्याधुनिक बेसलाइन मॉडल से बेहतर प्रदर्शन करता है, जो समाधान गुणवत्ता में दक्षता और गुणात्मक श्रेष्ठता दोनों को प्रदर्शित करता है।
