論文の概要: Data Agent: A Holistic Architecture for Orchestrating Data+AI Ecosystems

• arxiv url: http://arxiv.org/abs/2507.01599v1
• Date: Wed, 02 Jul 2025 11:04:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.164429
• Title: Data Agent: A Holistic Architecture for Orchestrating Data+AI Ecosystems
• Title（参考訳）: Data Agent: データ+AIエコシステムのオーケストレーションのための全体的アーキテクチャ
• Authors: Zhaoyan Sun, Jiayi Wang, Xinyang Zhao, Jiachi Wang, Guoliang Li,
• Abstract要約: 従来のData+AIシステムは、システムパイプラインのオーケストレーションに人間の専門家に大きく依存しています。 既存のData+AIシステムは、セマンティック理解、推論、計画の能力に制限がある。 データエージェント(Data Agent) - データ+AIエコシステムのオーケストレーションを目的とした包括的なアーキテクチャ。
• 参考スコア（独自算出の注目度）: 8.816332263275305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional Data+AI systems utilize data-driven techniques to optimize performance, but they rely heavily on human experts to orchestrate system pipelines, enabling them to adapt to changes in data, queries, tasks, and environments. For instance, while there are numerous data science tools available, developing a pipeline planning system to coordinate these tools remains challenging. This difficulty arises because existing Data+AI systems have limited capabilities in semantic understanding, reasoning, and planning. Fortunately, we have witnessed the success of large language models (LLMs) in enhancing semantic understanding, reasoning, and planning abilities. It is crucial to incorporate LLM techniques to revolutionize data systems for orchestrating Data+AI applications effectively. To achieve this, we propose the concept of a 'Data Agent' - a comprehensive architecture designed to orchestrate Data+AI ecosystems, which focuses on tackling data-related tasks by integrating knowledge comprehension, reasoning, and planning capabilities. We delve into the challenges involved in designing data agents, such as understanding data/queries/environments/tools, orchestrating pipelines/workflows, optimizing and executing pipelines, and fostering pipeline self-reflection. Furthermore, we present examples of data agent systems, including a data science agent, data analytics agents (such as unstructured data analytics agent, semantic structured data analytics agent, data lake analytics agent, and multi-modal data analytics agent), and a database administrator (DBA) agent. We also outline several open challenges associated with designing data agent systems.
• Abstract（参考訳）: 従来のData+AIシステムはパフォーマンスを最適化するためにデータ駆動技術を使用しているが、システムパイプラインのオーケストレーションには人間の専門家に大きく依存しているため、データ、クエリ、タスク、環境の変化に適応することができる。 例えば、多くのデータサイエンスツールが利用可能だが、これらのツールを調整するパイプライン計画システムを開発することは、依然として難しい。 既存のData+AIシステムはセマンティック理解、推論、計画の能力に制限があるため、この困難が生じる。 幸いにも私たちは,意味理解,推論,計画能力の向上において,大規模言語モデル(LLM)の成功を目の当たりにしています。 データ+AIアプリケーションを効率的にオーケストレーションするためのデータシステムに革命を起こすために、LLM技術を導入することが不可欠である。 これを実現するために、知識理解、推論、計画機能を統合することで、データ関連タスクに取り組むことに焦点を当てた、データ+AIエコシステムのオーケストレーションを目的とした包括的なアーキテクチャである「データエージェント」の概念を提案する。 データ/クエリ/環境/ツールの理解、パイプライン/ワークフローのオーケストレーション、パイプラインの最適化と実行、パイプラインの自己修正の促進など、データエージェントの設計に関わる課題について調べています。 さらに、データサイエンスエージェント、データ分析エージェント(非構造化データ分析エージェント、セマンティック構造化データ分析エージェント、データレイク分析エージェント、マルチモーダルデータ分析エージェントなど)、データベース管理者(DBA)エージェントなどのデータエージェントシステムの例を示す。 データエージェントシステムの設計に関わるいくつかのオープンな課題についても概説する。

関連論文リスト

• KramaBench: A Benchmark for AI Systems on Data-to-Insight Pipelines over Data Lakes [20.75018548918123]
  104個の実世界のデータサイエンスパイプラインを手作業でキュレートしたベンチマークであるKRAMABENCHを紹介する。 これらのパイプラインは、データ処理におけるAIシステムのエンドツーエンド機能をテストする。 以上の結果から,既存のアウト・オブ・ボックスモデルでは,適切なデータサイエンスコード生成タスクを十分に解決できるが,既存のアウト・オブ・ボックスモデルでは不十分であることが示唆された。
  論文  参考訳（メタデータ） (2025-06-06T21:18:45Z)
• Toward Data Systems That Are Business Semantic Centric and AI Agents Assisted [0.0]
  ビジネスSemantics Centric, AI Agents Assisted Data System (BSDS) BSDSは、データシステムをビジネス成功の動的な実現手段として再定義する。 システムには、ビジネスエンティティにリンクされたキュレートされたデータ、コンテキスト認識AIエージェントの知識ベース、効率的なデータパイプラインが含まれる。
  論文  参考訳（メタデータ） (2025-06-05T19:06:06Z)
• Data-Juicer 2.0: Cloud-Scale Adaptive Data Processing for and with Foundation Models [64.28420991770382]
  Data-Juicer 2.0は、テキスト、画像、ビデオ、オーディオのモダリティにまたがるデータ処理オペレーターがバックアップするデータ処理システムである。 データ分析、アノテーション、基礎モデルポストトレーニングなど、より重要なタスクをサポートする。 さまざまな研究分野やAlibaba Cloud PAIのような現実世界の製品で広く採用されている。
  論文  参考訳（メタデータ） (2024-12-23T08:29:57Z)
• Building Multi-Agent Copilot towards Autonomous Agricultural Data Management and Analysis [2.763670421921841]
  我々はADMA Copilotと呼ばれる概念実証マルチエージェントシステムを構築し,ユーザの意図を理解する。 ADMA Copilotは、LSMベースのコントローラ、入力フォーマッター、出力フォーマッターの3つのエージェントが協調して、自動的にタスクを実行する。
  論文  参考訳（メタデータ） (2024-10-31T20:15:14Z)
• CMDBench: A Benchmark for Coarse-to-fine Multimodal Data Discovery in Compound AI Systems [10.71630696651595]
  知識集約的なタスクを達成するエージェントとしてLLMを使用する複合AIシステム(CAS)は、データベースやAIコミュニティにおいて大きな関心を集めている。 マルチモーダルデータソースのサイロは、そのタスクを達成するための適切なデータソースを特定するのを困難にしている。 我々はエンタープライズデータプラットフォームの複雑さをモデル化したベンチマークであるCMDBenchを提案する。
  論文  参考訳（メタデータ） (2024-06-02T01:10:41Z)
• Data-Copilot: Bridging Billions of Data and Humans with Autonomous Workflow [49.28944613907541]
  金融、気象学、エネルギーといった産業は毎日大量のデータを生み出している。 本研究では,データ分析エージェントであるData-Copilotを提案する。
  論文  参考訳（メタデータ） (2023-06-12T16:12:56Z)
• Demonstration of InsightPilot: An LLM-Empowered Automated Data Exploration System [48.62158108517576]
  本稿では,データ探索プロセスの簡略化を目的とした自動データ探索システムであるInsightPilotを紹介する。 InsightPilotは、理解、要約、説明などの適切な分析意図を自動的に選択する。 簡単に言うと、IQueryはデータ分析操作の抽象化と自動化であり、データアナリストのアプローチを模倣しています。
  論文  参考訳（メタデータ） (2023-04-02T07:27:49Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)

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。