論文の概要: YAC: Bridging Natural Language and Interactive Visual Exploration with Generative AI for Biomedical Data Discovery

• arxiv url: http://arxiv.org/abs/2509.19182v1
• Date: Tue, 23 Sep 2025 15:57:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.936548
• Title: YAC: Bridging Natural Language and Interactive Visual Exploration with Generative AI for Biomedical Data Discovery
• Title（参考訳）: YAC: バイオメディカルデータ発見のための自然言語のブリッジとジェネレーティブAIによるインタラクティブビジュアル探索
• Authors: Devin Lange, Shanghua Gao, Pengwei Sui, Austen Money, Priya Misner, Marinka Zitnik, Nils Gehlenborg,
• Abstract要約: マルチエージェントシステムを用いて構造化宣言出力を生成することにより,自然言語とインタラクティブな可視化のギャップを埋める。 ユーザインターフェース要素を通じて、構造化された出力の値を調整することができるウィジェットも含んでいます。
• 参考スコア（独自算出の注目度）: 27.577426841656788
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Incorporating natural language input has the potential to improve the capabilities of biomedical data discovery interfaces. However, user interface elements and visualizations are still powerful tools for interacting with data, even in the new world of generative AI. In our prototype system, YAC, Yet Another Chatbot, we bridge the gap between natural language and interactive visualizations by generating structured declarative output with a multi-agent system and interpreting that output to render linked interactive visualizations and apply data filters. Furthermore, we include widgets, which allow users to adjust the values of that structured output through user interface elements. We reflect on the capabilities and design of this system with an analysis of its technical dimensions and illustrate the capabilities through four usage scenarios.
• Abstract（参考訳）: 自然言語入力を組み込むことで、バイオメディカルなデータ発見インタフェースの能力を向上させることができる。 しかし、ユーザーインターフェイス要素と視覚化は、生成AIの新しい世界でさえ、データと対話するための強力なツールである。 プロトタイプシステムであるYAC, Yet Another Chatbotでは,構造化宣言出力をマルチエージェントシステムで生成し,その出力を解釈することで,リンクされたインタラクティブな可視化をレンダリングし,データフィルタを適用することにより,自然言語とインタラクティブな可視化のギャップを埋める。 さらに、ユーザインターフェース要素を通じて構造化された出力の値を調整できるウィジェットも含んでいます。 我々は,本システムの性能と設計を,その技術的側面の分析により考察し,その能力を4つの利用シナリオを通して説明する。

関連論文リスト

• A Generative AI System for Biomedical Data Discovery with Grammar-Based Visualizations [27.577426841656788]
  我々は,生成AIと文法に基づくビジュアライゼーションを組み合わせたバイオメディカルデータ発見の可能性を探る。 プロトタイプでは、マルチエージェントシステムを用いて可視化仕様を作成し、フィルタを適用します。 これらの視覚化はリンクされ、インタラクティブなダッシュボードが徐々に構築される。
  論文  参考訳（メタデータ） (2025-09-19T22:20:24Z)
• Generative Interfaces for Language Models [70.25765232527762]
  ユーザインタフェース(UI)を積極的に生成することにより,大規模言語モデル(LLM)がユーザクエリに応答するパラダイムを提案する。 本フレームワークは,ユーザクエリをタスク固有のUIに変換するために,構造化インターフェース固有の表現と反復的洗練を活用している。 その結果、生成的インタフェースは会話的インタフェースより一貫して優れており、ヒトは70%以上のケースでそれらを好むことがわかった。
  論文  参考訳（メタデータ） (2025-08-26T17:43:20Z)
• InterChat: Enhancing Generative Visual Analytics using Multimodal Interactions [22.007942964950217]
  視覚要素の直接操作と自然言語入力を組み合わせた生成的視覚分析システムであるInterChatを開発した。 この統合により、正確なインテント通信が可能になり、プログレッシブで視覚的に駆動された探索データ分析をサポートする。
  論文  参考訳（メタデータ） (2025-03-06T05:35:19Z)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• SHINE: Syntax-augmented Hierarchical Interactive Encoder for Zero-shot Cross-lingual Information Extraction [47.88887327545667]
  本研究では,構文拡張型階層型インタラクティブエンコーダ(SHINE)を提案する。 Shineは、特徴とコンテキスト情報の間の相補的な情報をインタラクティブにキャプチャすることができる。 3つのIEタスクと4つのベンチマークで7つの言語で実験を行い、提案手法の有効性と一般化能力を検証した。
  論文  参考訳（メタデータ） (2023-05-21T08:02:06Z)
• NL2INTERFACE: Interactive Visualization Interface Generation from Natural Language Queries [19.355412315639462]
  NL2INTERFACEは自然言語クエリから対話型多視点インタフェースを生成する。 ユーザはインターフェイスと対話して、データを簡単に変換し、視覚化の結果を素早く見ることができる。
  論文  参考訳（メタデータ） (2022-09-19T08:31:50Z)
• GenNI: Human-AI Collaboration for Data-Backed Text Generation [102.08127062293111]
  Table2Textシステムは、機械学習を利用した構造化データに基づいてテキスト出力を生成する。 GenNI (Generation Negotiation Interface) は、対話型ビジュアルシステムである。
  論文  参考訳（メタデータ） (2021-10-19T18:07:07Z)
• INVIGORATE: Interactive Visual Grounding and Grasping in Clutter [56.00554240240515]
  INVIGORATEは、自然言語で人間と対話し、特定の物体をクラッタで把握するロボットシステムである。 我々は、物体検出、視覚的接地、質問生成、OBR検出と把握のために、別々のニューラルネットワークを訓練する。 我々は、学習したニューラルネットワークモジュールを統合する、部分的に観測可能なマルコフ決定プロセス(POMDP)を構築します。
  論文  参考訳（メタデータ） (2021-08-25T07:35:21Z)

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。