論文の概要: GREI Data Repository AI Taxonomy
- arxiv url: http://arxiv.org/abs/2411.08054v1
- Date: Thu, 07 Nov 2024 16:14:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-28 17:07:47.049309
- Title: GREI Data Repository AI Taxonomy
- Title(参考訳): GREI Data Repository AI Taxonomy
- Authors: John Chodacki, Mark Hanhel, Stefano Iacus, Ryan Scherle, Eric Olson, Nici Pfeiffer, Kristi Holmes, Mohammad Hosseini,
- Abstract要約: GREIは、リポジトリ管理全体にわたるAI統合をガイドするために、データリポジトリの役割に合わせたAI分類を開発した。
役割を、取得、検証、組織、強化、分析、共有、ユーザサポートといった段階に分類する。
- 参考スコア(独自算出の注目度): 0.7528462379265576
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Generalist Repository Ecosystem Initiative (GREI), funded by the NIH, developed an AI taxonomy tailored to data repository roles to guide AI integration across repository management. It categorizes the roles into stages, including acquisition, validation, organization, enhancement, analysis, sharing, and user support, providing a structured framework for implementing AI in repository workflows.
- Abstract(参考訳): NIHが資金提供したGeneralist Repository Ecosystem Initiative(GREI)は、データリポジトリの役割に合わせたAI分類を開発し、リポジトリ管理全体にわたるAI統合をガイドした。
役割を、取得、検証、組織、強化、分析、共有、ユーザサポートといった段階に分類し、リポジトリワークフローにAIを実装するための構造化されたフレームワークを提供する。
関連論文リスト
- Technical Implementation of Tippy: Multi-Agent Architecture and System Design for Drug Discovery Laboratory Automation [0.0]
本稿では,Tippyのマルチエージェントシステム実装に関する総合的技術分析を行った。
我々は,OpenAI Agents SDKを介して協調する5つの特殊エージェント(スーパーバイザ,分子,ラボ,分析,レポート)を特徴とする分散アーキテクチャを提案する。
システムアーキテクチャには、エージェント固有のツール統合、非同期通信パターン、Gitベースのトラッキングによる包括的な構成追跡が含まれている。
論文 参考訳(メタデータ) (2025-07-18T17:57:40Z) - Agentic AI in Product Management: A Co-Evolutionary Model [0.0]
本研究では,エージェントAIの製品管理における変革的役割について考察する。
プロダクトライフサイクル全体にわたる統合をガイドする概念的共進化的フレームワークを提案する。
論文 参考訳(メタデータ) (2025-07-01T02:32:32Z) - Deep Research Agents: A Systematic Examination And Roadmap [79.04813794804377]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳(メタデータ) (2025-06-22T16:52:48Z) - Graphs Meet AI Agents: Taxonomy, Progress, and Future Opportunities [117.49715661395294]
データ構造化は、複雑で非組織的なデータをよく構造化された形式に変換することで、有望な役割を果たす。
この調査では、グラフがAIエージェントにどのように権限を与えるかを、初めて体系的にレビューする。
論文 参考訳(メタデータ) (2025-06-22T12:59:12Z) - AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges [0.36868085124383626]
この研究はAIエージェントとエージェントAIを区別し、構造化された概念分類、アプリケーションマッピング、課題分析を提供する。
ジェネレーティブAIは前駆体として位置づけられており、AIエージェントはツールの統合、エンジニアリングの促進、推論の強化を通じて前進している。
エージェントAIシステムは、マルチエージェントコラボレーション、動的タスク分解、永続メモリ、オーケストレーション自律性によって特徴付けられるパラダイムシフトを表している。
論文 参考訳(メタデータ) (2025-05-15T16:21:33Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [59.52058740470727]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳(メタデータ) (2025-05-03T13:55:38Z) - A Survey of Personalization: From RAG to Agent [48.34245916821302]
パーソナライゼーションは現代のAIシステムにおいて不可欠な機能となり、個々のユーザの好みやコンテキスト、目標に合わせてカスタマイズされたインタラクションを可能にしている。
最近の研究は、ユーザ満足度を高めるために、Retrieval-Augmented Generation (RAG)フレームワークと、パーソナライズされた設定内のより高度なエージェントベースのアーキテクチャへの進化に集中している。
本調査は,RAGの3段階(検索前,検索後,生成前)のパーソナライゼーションを体系的に検討した。
論文 参考訳(メタデータ) (2025-04-14T11:57:52Z) - AI Agents: Evolution, Architecture, and Real-World Applications [0.0]
本稿は、AIエージェントの進化、アーキテクチャ、実践的応用を、AIエージェントの初期から、認識、計画、ツール使用のための専用のモジュールを備えた大規模言語モデルを統合した近代的なシステムへ移行する。
論文 参考訳(メタデータ) (2025-03-16T23:07:48Z) - AI Agentic workflows and Enterprise APIs: Adapting API architectures for the age of AI agents [0.0]
生成型AIは、自律型AIエージェントの出現を触媒し、エンタープライズコンピューティングインフラストラクチャに対する前例のない課題を提示している。
現在のエンタープライズAPIアーキテクチャは、主に人間主導の事前定義されたインタラクションパターンのために設計されており、インテリジェントエージェントの動的で目標指向の振る舞いをサポートするために、それらを不備にしている。
本研究は,AIエージェントを効果的にサポートするエンタープライズAPIのアーキテクチャ適応を体系的に検討する。
論文 参考訳(メタデータ) (2025-01-22T05:55:16Z) - GenAgent: Build Collaborative AI Systems with Automated Workflow Generation -- Case Studies on ComfyUI [64.57616646552869]
本稿では、モデル、データソース、パイプラインを統合し、複雑で多様なタスクを解決するためにパフォーマンスを向上させるために使用される協調AIシステムについて検討する。
我々は、LLMベースのフレームワークであるGenAgentを紹介した。
その結果、GenAgentは実行レベルおよびタスクレベルの評価においてベースラインアプローチよりも優れていた。
論文 参考訳(メタデータ) (2024-09-02T17:44:10Z) - NeurDB: On the Design and Implementation of an AI-powered Autonomous Database [27.13518136879994]
本稿では,AIによる自律データベースNeurDBを紹介する。
NeurDBは、データとワークロードのドリフトへの適応性を備えた、AIとデータベースの融合をさらに深める。
実証的な評価によると、NeurDBはAI分析タスクの管理において、既存のソリューションを大幅に上回っている。
論文 参考訳(メタデータ) (2024-08-06T07:48:51Z) - Towards Automated Solution Recipe Generation for Industrial Asset Management with LLM [4.771737213319029]
本研究では,Large Language Models(LLMs)の最近の進歩に条件ベースマネジメント(CBM)の原則を取り入れた,産業資産管理(IAM)への新たなアプローチを提案する。
論文 参考訳(メタデータ) (2024-07-26T01:24:52Z) - How to Understand Whole Software Repository? [64.19431011897515]
リポジトリ全体に対する優れた理解は、自動ソフトウェアエンジニアリング(ASE)への重要な道になるでしょう。
本研究では,リポジトリ全体を包括的に理解するためのエージェントによるRepoUnderstanderという新しい手法を開発した。
リポジトリレベルの知識をより活用するために、エージェントをまとめ、分析し、計画する。
論文 参考訳(メタデータ) (2024-06-03T15:20:06Z) - Cooperative Cognitive Dynamic System in UAV Swarms: Reconfigurable Mechanism and Framework [80.39138462246034]
UAVスワムの管理を最適化するための協調認知力学システム(CCDS)を提案する。
CCDSは階層的かつ協調的な制御構造であり、リアルタイムのデータ処理と意思決定を可能にする。
さらに、CCDSは、UAVスワムのタスクを効率的に割り当てるための生体模倣機構と統合することができる。
論文 参考訳(メタデータ) (2024-05-18T12:45:00Z) - NeurDB: An AI-powered Autonomous Data System [44.14807794638682]
我々は、主要なシステムコンポーネントにAI設計を完全に取り入れるように設計されたAI駆動の自律データシステムであるNeurDBを提示する。
我々はNeurDBの概念的およびアーキテクチャ的概要を概説し、その設計選択と重要なコンポーネントについて議論し、その現況と今後の計画について報告する。
論文 参考訳(メタデータ) (2024-05-07T00:51:48Z) - The Foundations of Computational Management: A Systematic Approach to
Task Automation for the Integration of Artificial Intelligence into Existing
Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。
この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文 参考訳(メタデータ) (2024-02-07T01:45:14Z) - To Classify is to Interpret: Building Taxonomies from Heterogeneous Data
through Human-AI Collaboration [0.39160947065896795]
機械学習(ML)を統合したシステムで分類学の構築を支援する方法について検討する。
本稿では,ユーザが複数のモデルのアウトプットを反復的に考慮できるアプローチを提案する。
論文 参考訳(メタデータ) (2023-07-31T08:24:29Z) - Automatic Intrinsic Reward Shaping for Exploration in Deep Reinforcement
Learning [55.2080971216584]
本稿では、強化学習(RL)における探索を強化するため、知的かつ適応的に高品質な固有報酬を提供する自動固有リワード整形法を提案する。
我々は,多様な固有報酬手法の効率的かつ信頼性の高い実装を実現するために,固有報酬ツールキットを開発した。
論文 参考訳(メタデータ) (2023-01-26T01:06:46Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳(メタデータ) (2020-07-13T20:30:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。