論文の概要: Building Specialized Software-Assistant ChatBot with Graph-Based Retrieval-Augmented Generation

• arxiv url: http://arxiv.org/abs/2511.05297v1
• Date: Fri, 07 Nov 2025 14:56:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 21:00:44.802773
• Title: Building Specialized Software-Assistant ChatBot with Graph-Based Retrieval-Augmented Generation
• Title（参考訳）: グラフベース検索拡張生成によるソフトウェアアシスト型チャットボットの構築
• Authors: Mohammed Hilel, Yannis Karmim, Jean De Bodinat, Reda Sarehane, Antoine Gillon,
• Abstract要約: 本稿では,企業Webアプリケーションをステートアクション知識グラフに自動的に変換するグラフベースのRetrieval-Augmented Generationフレームワークを紹介する。 このフレームワークは、AI企業RakaMと共同で、Lemon Learningと共同で開発された。
• 参考スコア（独自算出の注目度）: 0.815557531820863
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Digital Adoption Platforms (DAPs) have become essential tools for helping employees navigate complex enterprise software such as CRM, ERP, or HRMS systems. Companies like LemonLearning have shown how digital guidance can reduce training costs and accelerate onboarding. However, building and maintaining these interactive guides still requires extensive manual effort. Leveraging Large Language Models as virtual assistants is an appealing alternative, yet without a structured understanding of the target software, LLMs often hallucinate and produce unreliable answers. Moreover, most production-grade LLMs are black-box APIs, making fine-tuning impractical due to the lack of access to model weights. In this work, we introduce a Graph-based Retrieval-Augmented Generation framework that automatically converts enterprise web applications into state-action knowledge graphs, enabling LLMs to generate grounded and context-aware assistance. The framework was co-developed with the AI enterprise RAKAM, in collaboration with Lemon Learning. We detail the engineering pipeline that extracts and structures software interfaces, the design of the graph-based retrieval process, and the integration of our approach into production DAP workflows. Finally, we discuss scalability, robustness, and deployment lessons learned from industrial use cases.
• Abstract（参考訳）: DAP(Digital Adoption Platforms)は、CRM、ERP、HRMSシステムといった複雑なエンタープライズソフトウェアを従業員がナビゲートするための重要なツールとなっている。 LemonLearningのような企業は、デジタルガイダンスがトレーニングコストを削減し、搭乗を加速することを示した。 しかし、これらのインタラクティブなガイドの構築と維持には、依然として広範囲な手作業が必要である。 大規模言語モデルを仮想アシスタントとして活用することは魅力的な方法だが、ターゲットソフトウェアに関する構造化された理解がなければ、LLMはしばしば幻覚し、信頼できない答えを生み出す。 さらに、ほとんどのプロダクショングレードのLLMはブラックボックスAPIであり、モデルウェイトへのアクセスが不足しているため、微調整が不可能である。 本研究では,企業Webアプリケーションを状態対応知識グラフに自動的に変換するグラフベースのRetrieval-Augmented Generationフレームワークを提案する。 このフレームワークは、AI企業RakaMと共同で、Lemon Learningと共同で開発された。 ソフトウェアインターフェースの抽出と構造化を行うエンジニアリングパイプライン、グラフベースの検索プロセスの設計、運用DAPワークフローへの我々のアプローチの統合について詳述する。 最後に、産業ユースケースから学んだスケーラビリティ、堅牢性、デプロイメントの教訓について議論する。

関連論文リスト

• AI-Guided Exploration of Large-Scale Codebases [0.0]
  大きな言語モデル(LLM)は、コードの探索を強化する新しい機会を提供する。 大規模言語モデル(LLM)の最近の進歩は、コードの探索を強化する新しい機会を提供する。 この研究は、リバースエンジニアリングとLLM誘導型、意図認識型視覚探索を統合するハイブリッドアプローチを導入している。
  論文  参考訳（メタデータ） (2025-08-07T19:15:37Z)
• Graph-Augmented Large Language Model Agents: Current Progress and Future Prospects [57.53024716739594]
  グラフ拡張LDMエージェント(GLA)は複雑なエージェントシステムの構造、連続性、調整を強化する。 本稿では,最近の進歩の概要をタイムリーかつ包括的に紹介し,今後の研究の方向性を明らかにする。 本論文は,GLAにおける今後の研究のロードマップとして機能し,GLAエージェントシステムにおけるグラフの役割のより深い理解を促進することを願っている。
  論文  参考訳（メタデータ） (2025-07-29T00:27:12Z)
• Skill Discovery for Software Scripting Automation via Offline Simulations with LLMs [63.10710876536337]
  検証済みスクリプトの集合であるソフトウェア固有のスキルセットをキュレートするためのオフラインシミュレーションフレームワークを提案する。 本フレームワークは,1)タスク作成,トップダウン機能の利用,およびボトムアップAPIのシナジー探索という2つのコンポーネントから構成される。 Adobe Illustratorでの実験では、我々のフレームワークは自動化の成功率を大幅に改善し、レスポンス時間を短縮し、ランタイムトークンのコストを削減しています。
  論文  参考訳（メタデータ） (2025-04-29T04:03:37Z)
• From PowerPoint UI Sketches to Web-Based Applications: Pattern-Driven Code Generation for GIS Dashboard Development Using Knowledge-Augmented LLMs, Context-Aware Visual Prompting, and the React Framework [1.4367082420201918]
  本稿では,複雑なGISアプリケーションのための知識拡張型コード生成フレームワークを提案する。 このフレームワークは、専門知識ベースから、ソフトウェアエンジニアリングのベストプラクティス、ドメイン、および高度な技術スタックを取得する。
  論文  参考訳（メタデータ） (2025-02-12T19:59:57Z)
• AgentTrek: Agent Trajectory Synthesis via Guiding Replay with Web Tutorials [53.376263056033046]
  既存のアプローチは高価な人間のアノテーションに依存しており、大規模には持続不可能である。 本稿では,Webエージェントトラジェクトリを生成するスケーラブルなデータ合成パイプラインであるAgentTrekを提案する。 完全に自動化されたアプローチは、データ収集コストを大幅に削減し、人間のアノテータを使わずに、高品質な軌道を0.55ドルに抑えることができます。
  論文  参考訳（メタデータ） (2024-12-12T18:59:27Z)
• Control Industrial Automation System with Large Language Model Agents [2.2369578015657954]
  本稿では,大規模言語モデルと産業自動化システムを統合するためのフレームワークを提案する。 フレームワークの中核には、産業タスク用に設計されたエージェントシステム、構造化プロンプト方法、イベント駆動情報モデリング機構がある。 コントリビューションには、フォーマルなシステム設計、概念実証実装、タスク固有のデータセットを生成する方法が含まれる。
  論文  参考訳（メタデータ） (2024-09-26T16:19:37Z)
• CRAFT: Customizing LLMs by Creating and Retrieving from Specialized Toolsets [75.64181719386497]
  大規模言語モデル(LLM)のためのツール作成・検索フレームワークであるCRAFTを提案する。 タスク用に特別にキュレートされたツールセットを作成し、複雑なタスクを解決する能力を高めるためにこれらのセットからツールを取得するコンポーネントをLLMに装備する。 本手法はフレキシブルに設計されており,既製のLCMを細かな調整なしに未確認領域やモダリティに適応するためのプラグアンドプレイ方式を提供する。
  論文  参考訳（メタデータ） (2023-09-29T17:40:26Z)
• Exploring the potential of flow-based programming for machine learning deployment in comparison with service-oriented architectures [8.677012233188968]
  理由のひとつは、データ収集と分析に関するアクティビティのために設計されていないインフラストラクチャである、と私たちは論じています。 本稿では,データストリームを用いたフローベースのプログラミングを,ソフトウェアアプリケーション構築に広く使用されるサービス指向アーキテクチャの代替として検討する。
  論文  参考訳（メタデータ） (2021-08-09T15:06:02Z)

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。