論文の概要: Classifier-Augmented Generation for Structured Workflow Prediction

• arxiv url: http://arxiv.org/abs/2510.12825v1
• Date: Fri, 10 Oct 2025 18:38:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.334439
• Title: Classifier-Augmented Generation for Structured Workflow Prediction
• Title（参考訳）: 構造化ワークフロー予測のための分類器拡張生成
• Authors: Thomas Gschwind, Shramona Chakraborty, Nitin Gupta, Sameep Mehta,
• Abstract要約: 本稿では,自然言語記述を実行可能なものに翻訳するシステムを提案する。 フローの構造と詳細な構成の両方を自動的に予測する。 これは、ステージ予測、エッジレイアウト、および自然駆動オーサリングのためのプロパティ生成にまたがって詳細な評価を行う最初のシステムである。
• 参考スコア（独自算出の注目度）: 5.92079054629498
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: ETL (Extract, Transform, Load) tools such as IBM DataStage allow users to visually assemble complex data workflows, but configuring stages and their properties remains time consuming and requires deep tool knowledge. We propose a system that translates natural language descriptions into executable workflows, automatically predicting both the structure and detailed configuration of the flow. At its core lies a Classifier-Augmented Generation (CAG) approach that combines utterance decomposition with a classifier and stage-specific few-shot prompting to produce accurate stage predictions. These stages are then connected into non-linear workflows using edge prediction, and stage properties are inferred from sub-utterance context. We compare CAG against strong single-prompt and agentic baselines, showing improved accuracy and efficiency, while substantially reducing token usage. Our architecture is modular, interpretable, and capable of end-to-end workflow generation, including robust validation steps. To our knowledge, this is the first system with a detailed evaluation across stage prediction, edge layout, and property generation for natural-language-driven ETL authoring.
• Abstract（参考訳）: IBM DataStageのようなETL(Extract, Transform, Load)ツールは、複雑なデータワークフローを視覚的に組み立てることができますが、ステージとプロパティの設定には時間がかかり、深いツール知識が必要です。 本稿では,自然言語記述を実行可能なワークフローに変換し,フローの構造と詳細な構成の両方を自動的に予測するシステムを提案する。 その中核には、発話分解を分類器と組み合わせた分類器-拡張生成(CAG)アプローチがあり、ステージ固有の少数ショットプロンプトが正確なステージ予測を生成する。 これらのステージはエッジ予測を用いて非線形ワークフローに接続され、サブ発話コンテキストからステージ特性が推測される。 高い単発・エージェントベースラインに対してCAGを比較し,トークン使用量を大幅に削減し,精度と効率を向上した。 私たちのアーキテクチャはモジュール化され、解釈可能で、堅牢な検証ステップを含むエンドツーエンドのワークフロー生成が可能です。 我々の知る限り、これは自然言語駆動ETLオーサリングのためのステージ予測、エッジレイアウト、プロパティ生成にまたがって詳細な評価を行う最初のシステムである。

関連論文リスト

• ContextNav: Towards Agentic Multimodal In-Context Learning [85.05420047017513]
  ContextNavは、自動検索のスケーラビリティと人間のようなキュレーションの品質と適応性を統合するエージェントフレームワークである。 リソースを意識したマルチモーダル埋め込みパイプラインを構築し、検索可能なベクトルデータベースを維持し、エージェント検索と構造アライメントを適用して、ノイズ耐性のあるコンテキストを構築する。 実験の結果、ContextNavはさまざまなデータセットで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-10-06T07:49:52Z)
• AgenticIE: An Adaptive Agent for Information Extraction from Complex Regulatory Documents [1.338174941551702]
  EUの規制により義務付けられ、建設製品の性能を認定する文書(DoP)の宣言。 自動キー値ペア抽出(KVP)と質問応答(QA)によって、DoPと人間をアクセス可能にするには2つの課題がある。
  論文  参考訳（メタデータ） (2025-09-15T10:53:05Z)
• Leveraging Machine Learning and Enhanced Parallelism Detection for BPMN Model Generation from Text [75.77648333476776]
  本稿では、テキストからBPMNモデルを抽出する自動パイプラインについて紹介する。 この研究の重要な貢献は、新たに注釈付けされたデータセットの導入である。 モデルトレーニング用の32のパラレルゲートウェイを含む15の注釈付き文書でデータセットを増強する。
  論文  参考訳（メタデータ） (2025-07-11T07:25:55Z)
• Dynamic Chunking for End-to-End Hierarchical Sequence Modeling [17.277753030570263]
  本稿では,コンテンツとコンテキストに依存したセグメンテーション戦略を自動的に学習する動的チャンキング機構を実現する手法を提案する。 これを明示的な階層ネットワーク(H-Net)に組み込むことで、(単純に階層的な)トークン化-LM-detokenizationパイプラインを、完全にエンドツーエンドに学習した単一のモデルに置き換えることができる。 階層を複数のステージに反復すると、複数の抽象化レベルをモデル化することで、そのパフォーマンスがさらに向上する。 英語で事前訓練されたH-Netは、文字レベルの堅牢性を大幅に向上させ、意味のあるデータ依存のチャンキング戦略を、明確な監督なしに質的に学習する。
  論文  参考訳（メタデータ） (2025-07-10T17:39:37Z)
• Agentic Predictor: Performance Prediction for Agentic Workflows via Multi-View Encoding [56.565200973244146]
  Agentic Predictorは、効率的なエージェントワークフロー評価のための軽量な予測器である。 Agentic Predictorはタスク成功率の近似を学ぶことで、最適なエージェントワークフロー構成の迅速かつ正確な選択を可能にする。
  論文  参考訳（メタデータ） (2025-05-26T09:46:50Z)
• Fine-tuning a Large Language Model for Automating Computational Fluid Dynamics Simulations [11.902947290205645]
  大規模言語モデル(LLM)は高度な科学計算を持ち、CFDでの使用は自動化されている。 ドメイン固有LLM適応に着目した新しいアプローチを提案する。 マルチエージェントフレームワークはプロセスをオーケストレーションし、入力を自律的に検証し、構成を生成し、シミュレーションを実行し、エラーを修正する。
  論文  参考訳（メタデータ） (2025-04-13T14:35:30Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)

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。