論文の概要: Insight Agents: An LLM-Based Multi-Agent System for Data Insights

• arxiv url: http://arxiv.org/abs/2601.20048v2
• Date: Mon, 02 Feb 2026 01:17:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 15:03:50.608468
• Title: Insight Agents: An LLM-Based Multi-Agent System for Data Insights
• Title（参考訳）: Insight Agents:データインサイトのためのLLMベースのマルチエージェントシステム
• Authors: Jincheng Bai, Zhenyu Zhang, Jennifer Zhang, Zhihuai Zhu,
• Abstract要約: 我々は、対話型マルチエージェントデータインサイトシステムであるInsight Agents(IA)を開発し、個人化されたデータとビジネスインサイトを提供する。 IAは米国でAmazonの販売者向けにローンチされており、人間の評価に基づいて90%の精度を達成しており、P90のレイテンシは15秒以下である。
• 参考スコア（独自算出の注目度）: 6.3353477880949045
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Today, E-commerce sellers face several key challenges, including difficulties in discovering and effectively utilizing available programs and tools, and struggling to understand and utilize rich data from various tools. We therefore aim to develop Insight Agents (IA), a conversational multi-agent Data Insight system, to provide E-commerce sellers with personalized data and business insights through automated information retrieval. Our hypothesis is that IA will serve as a force multiplier for sellers, thereby driving incremental seller adoption by reducing the effort required and increase speed at which sellers make good business decisions. In this paper, we introduce this novel LLM-backed end-to-end agentic system built on a plan-and-execute paradigm and designed for comprehensive coverage, high accuracy, and low latency. It features a hierarchical multi-agent structure, consisting of manager agent and two worker agents: data presentation and insight generation, for efficient information retrieval and problem-solving. We design a simple yet effective ML solution for manager agent that combines Out-of-Domain (OOD) detection using a lightweight encoder-decoder model and agent routing through a BERT-based classifier, optimizing both accuracy and latency. Within the two worker agents, a strategic planning is designed for API-based data model that breaks down queries into granular components to generate more accurate responses, and domain knowledge is dynamically injected to to enhance the insight generator. IA has been launched for Amazon sellers in US, which has achieved high accuracy of 90% based on human evaluation, with latency of P90 below 15s.
• Abstract（参考訳）: 今日、Eコマースの売り手は、利用可能なプログラムやツールの発見と有効活用の難しさや、さまざまなツールからの豊富なデータを理解し活用することの難しさなど、いくつかの重要な課題に直面している。 そこで我々は、対話型マルチエージェントデータインサイトシステムであるInsight Agents(IA)を開発し、自動情報検索を通じて個人化されたデータとビジネスインサイトを提供する。 当社の仮説では、IAは売り手にとって強制乗算器として機能し、必要な労力を削減し、売り手が良いビジネス判断を下すスピードを高めることにより、段階的な売り手の採用を加速する。 本稿では,プラン・アンド・エグゼクティブ・パラダイムに基づいて構築され,包括的カバレッジ,高精度,低レイテンシのために設計された,LSMを基盤とした新しいエージェントシステムを提案する。 マネージャエージェントと2つのワーカエージェントからなる階層的なマルチエージェント構造を特徴とし、効率的な情報検索と問題解決のためのデータ提示と洞察生成を行う。 我々は、軽量エンコーダデコーダモデルとエージェントルーティングをBERTベースの分類器を介して組み合わせ、精度とレイテンシの両方を最適化する、単純な、効果的な管理エージェントのためのMLソリューションを設計する。 2つのワーカエージェント内では、クエリをより正確なレスポンスを生成するために粒度の細かいコンポーネントに分解するAPIベースのデータモデルのための戦略的プランニングが設計されており、インサイトジェネレータを強化するためにドメイン知識が動的に注入される。 IAは米国でAmazonの販売者向けにローンチされており、人間の評価に基づいて90%の精度を達成しており、P90のレイテンシは15秒以下である。

関連論文リスト

• InfoAgent: Advancing Autonomous Information-Seeking Agents [143.15973604285304]
  本稿では,革新的なデータ合成パイプラインとWeb検索ツールを駆使したディープリサーチエージェントInfoAgentを紹介する。 我々の方法では、InfoAgentはBrowseCompで15.3%、BrowseComp-ZHで29.2%、Xbench-DSで40.4%の精度を達成した。
  論文  参考訳（メタデータ） (2025-09-29T17:59:57Z)
• Supporting Our AI Overlords: Redesigning Data Systems to be Agent-First [72.85721148326138]
  大規模言語モデル(LLM)エージェントは、将来、データシステムの主要なワークロードになる可能性が高い。 エージェントの推測は、現在のデータシステムに課題をもたらす可能性がある。 我々は,新しいエージェントファーストデータシステムアーキテクチャの新たな研究機会について概説する。
  論文  参考訳（メタデータ） (2025-08-31T21:19:40Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  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)
• LAM SIMULATOR: Advancing Data Generation for Large Action Model Training via Online Exploration and Trajectory Feedback [121.78866929908871]
  AIエージェントのための大規模アクションモデル(LAM)は、素晴らしいポテンシャルを提供するが、高品質なトレーニングデータを必要とするため、課題に直面している。 LAM SIMULATORは,高品質なフィードバックによるエージェントタスクのオンライン探索を目的とした総合的なフレームワークである。 本フレームワークは,動的タスククエリジェネレータ,広範囲なツールコレクション,および大規模言語モデル(LLM)エージェントがツールを呼び出し,リアルタイムフィードバックを受信できる対話型環境を備えている。
  論文  参考訳（メタデータ） (2025-06-02T22:36:02Z)
• R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science [70.1638335489284]
  高レベルの機械学習エンジニアリングタスクは、労働集約的で反復的である。 機械学習プロセスを形式化する包括的で分離されたフレームワークであるR&D-Agentを紹介します。 R&D-AgentはMLEを2つのフェーズと6つのコンポーネントに定義し、MLEのエージェント設計を原則としてテスト可能なプロセスに変える。
  論文  参考訳（メタデータ） (2025-05-20T06:07:00Z)
• DatawiseAgent: A Notebook-Centric LLM Agent Framework for Adaptive and Robust Data Science Automation [10.390461679868197]
  我々は、適応的で堅牢なデータサイエンス自動化のためのノートブック中心の大規模言語モデル(LLM)エージェントフレームワークであるDatawiseAgentを紹介する。 人間のデータサイエンティストが計算ノートブックでどのように機能するかに触発されたDatawiseAgentは、統一された相互作用表現とマルチステージアーキテクチャを導入した。
  論文  参考訳（メタデータ） (2025-03-10T08:32:33Z)
• MAG-V: A Multi-Agent Framework for Synthetic Data Generation and Verification [5.666070277424383]
  MAG-Vは、顧客のクエリを模倣する質問のデータセットを生成するフレームワークである。 我々の合成データは、実際の顧客クエリにおけるエージェントのパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2024-11-28T19:36:11Z)
• LAMBDA: A Large Model Based Data Agent [7.240586338370509]
  本稿では,LArge Model Based Data Agent (LAMBDA)を紹介する。 LAMBDAは、データ駆動アプリケーションにおけるデータ分析の課題に対処するように設計されている。 それは、人間と人工知能をシームレスに統合することで、データ分析パラダイムを強化する可能性がある。
  論文  参考訳（メタデータ） (2024-07-24T06:26:36Z)

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。