GridMind：面向统一跨模态 NFL 数据洞察的多智能体 NLP 框架

大数据的快速增长和计算技术的进步显著变革了体育分析。然而，多样化的数据源——包括结构化统计数据、半结构化格式（如传感器数据）以及非结构化媒体（如 written articles、audio 和 video）——为从数据中提取可操作性洞察带来了重大挑战。这些不同格式的数据常被称为多模态数据，需要集成才能充分发挥其潜力。传统系统通常优先处理结构化数据，在处理和整合这些多样化内容时面临局限，降低了其在现实时体育分析中的效果。为应对这些挑战，近期研究强调多模态数据集成对于捕捉真实世界体育环境的复杂性至关重要。基于此基础，本文介绍 GridMind，一个通过检索增强生成（RAG）和大语言模型（LLM）统一结构化、半结构化和非结构化数据的多智能体框架，以实现对 NFL 数据的自然语言查询。该方法与多模态表示学习不断发展的领域相吻合，其中统一模型日益成为实现实时跨模态交互的关键。GridMind 的分布式体系结构包括专门的智能体，能够自主管理提示词的各个阶段——从解释、数据检索到响应合成。这种模块化设计 enables flexible、scalable 的处理多模态数据，用户可提出复杂、情境丰富的问题，并通过对话界面接收全面、直观的响应。