Fugu-MT 論文翻訳(概要): Querying Everything Everywhere All at Once: Supervaluationism for the Agentic Lakehouse

論文の概要: Querying Everything Everywhere All at Once: Supervaluationism for the Agentic Lakehouse

arxiv url: http://arxiv.org/abs/2603.13380v1
Date: Wed, 11 Mar 2026 02:05:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-17 16:19:35.141816
Title: Querying Everything Everywhere All at Once: Supervaluationism for the Agentic Lakehouse
Title（参考訳）: 全てを一度に問う - エージェント湖ハウスの高評価主義
Abstract要約: 単一のスナップショットではなく、枝にまたがる質問に答える新しいシステムを実証する。提案手法のプロトタイプは,重大意味論に基づくクエリ評価を行う新しいクエリパスに焦点をあてる。主要なOLAPシステムで同等のマルチブランチクエリ機能がないため、OLAPコミュニティの具体的なベースラインとしてデモコードをオープンソースにしています。
参考スコア（独自算出の注目度）: 3.1594665317979698
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Agentic analytics is turning the lakehouse into a multi-version system: swarms of (human or AI) producers materialize competing pipelines in data branches, while (human or AI) consumers need answers without knowing the underlying data life-cycle. We demonstrate a new system that answers questions across branches rather than at a single snapshot. Our prototype focuses on a novel query path that evaluates queries under supervaluationary semantics. In the absence of comparable multi-branch querying capabilities in mainstream OLAP systems, we open source the demo code as a concrete baseline for the OLAP community.
Abstract（参考訳）: エージェント分析は、レイクハウスをマルチバージョンシステムに変えようとしている。(人間やAI)プロデューサの群れは、データブランチの競合するパイプラインを現実化し、(人間やAI)コンシューマは、基礎となるデータライフサイクルを知らずに答えを必要としている。単一のスナップショットではなく、枝にまたがる質問に答える新しいシステムを実証する。提案手法のプロトタイプは,重大意味論に基づくクエリ評価を行う新しいクエリパスに焦点をあてる。主要なOLAPシステムで同等のマルチブランチクエリ機能がないため、OLAPコミュニティの具体的なベースラインとしてデモコードをオープンソースにしています。

関連論文リスト

AutoLR: Automating the Path from Research to Launch Review in Industrial Recommender Systems [7.383658399787325]
NetEaseのゲームコミュニティアプリである textbfDASHEN では、エンジニアが研究論文や技術レポート、先行生産実験から期待できる方向を特定する。有望な候補者はオンラインA/Bテストに進み、確固たる利得を示す者はLaunch Reviewに提出される。最初はtextbfAuto Launch Review として開発された textbfAutoLR を,その後上流に拡張して,自律的な研究からローンチまでのハーネスを提供する。
論文参考訳（メタデータ） (2026-09-04T08:30:36Z)
SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration [77.28003194268977]
SearchOSは、脆弱で暗黙的な検索進捗を明示的で永続的で共有状態に変換するシステムレベルのマルチエージェントフレームワークである。 SOCM上に構築されたSearchOSは、サブエージェントの実行を重複させるパイプライン並列スケジューリングメカニズムを適用している。 SearchOSは評価されたシングルエージェントとマルチエージェントのベースラインの中で、すべてのメトリクスをリードする。
論文参考訳（メタデータ） (2026-07-16T17:51:23Z)
LakeQuest: A Three-Domain Benchmark for Grounded Question Answering across Data Lakes [15.997957478589482]
リアルなデータレイク上で、エンドツーエンドの検索と合成のパイプラインを評価するためのベンチマークであるLakeQuestを紹介します。 LakeQuestは3つの多様なドメイン(AI/MLメタデータ、リテールバンキング、マルチモーダルなバイオメディカルドラッグ情報)にまたがっており、すべての質問と正確なモダリティを意識したエビデンスポインターをペアリングする。標準的な検索ツール生成(RAG)やエージェントツール利用手法などの評価により,高品質な検索が正しい推論を保証していないことが明らかとなった。
論文参考訳（メタデータ） (2026-07-14T03:33:00Z)
Discovering Cooperative Pipelines: Autoresearch for Sequential Social Dilemmas [6.599344783327054]
外部ループAIエージェントは、ポリシー合成システムの内部ループパイプラインを自律的に再設計する。研究者エージェントはインナーループソースコードを読み、システムプロンプト、フィードバック関数、ヘルパーライブラリ、イテレーションロジックを編集し、評価を実行し、何を保持するかを決定する。
論文参考訳（メタデータ） (2026-05-28T14:33:10Z)
MA-EgoQA: Question Answering over Egocentric Videos from Multiple Embodied Agents [54.48066948369172]
エンボディモデルが強力になるにつれ、人間は将来、職場や自宅で複数のエンボディAIエージェントと協力するようになる。既存の課題には、ビデオ形式で個々の感覚入力を効果的に圧縮し、伝達することが含まれる。われわれはまず,複数のエンボディエージェントから同時に収集された複数のロングホライズン・エゴセントリックなビデオを理解するという,新しい問題を正式に定義する。
論文参考訳（メタデータ） (2026-03-10T15:48:35Z)
MSRS: Evaluating Multi-Source Retrieval-Augmented Generation [51.717139132190574]
多くの現実世界のアプリケーションは、複数のソースにまたがる情報を統合して要約する能力を必要としている。本稿では、RAGシステムに対して異なるソース間で情報を統合するための評価ベンチマークを構築するためのスケーラブルなフレームワークを提案する。
論文参考訳（メタデータ） (2025-08-28T14:59:55Z)
DeepSieve: Information Sieving via LLM-as-a-Knowledge-Router [57.28685457991806]
DeepSieveはエージェントRAGフレームワークで、LLM-as-a-knowledge-routerを介して情報を収集する。我々の設計はモジュール性、透明性、適応性を重視しており、エージェントシステム設計の最近の進歩を活用している。
論文参考訳（メタデータ） (2025-07-29T17:55:23Z)
REAPER: Reasoning based Retrieval Planning for Complex RAG Systems [3.160580413086215]
複雑なクエリは複数ステップの検索も必要です。ほとんどのRAGエージェントは、推論と検索のステップをインターリーブすることで、このようなChain-of-Thoughtタスクを処理する。エージェントベースのシステムよりもレイテンシが大幅に向上し、新規で目に見えないユースケースに容易にスケールできるようになりました。
論文参考訳（メタデータ） (2024-07-26T07:05:54Z)
Multi-LLM QA with Embodied Exploration [55.581423861790945]
未知環境における質問応答におけるマルチエンボディードLEMエクスプローラ(MELE)の利用について検討する。複数のLSMベースのエージェントが独立して家庭用環境に関する質問を探索し、回答する。各問合せに対して1つの最終回答を生成するために,異なるアグリゲーション手法を解析する。
論文参考訳（メタデータ） (2024-06-16T12:46:40Z)
Long-Span Question-Answering: Automatic Question Generation and QA-System Ranking via Side-by-Side Evaluation [65.16137964758612]
大規模言語モデルにおける長文文の活用について検討し,本書全体の読解データを作成する。我々の目的は、長いテキストの詳細な理解を必要とする問題を分析し、理解し、推論するLLMの能力をテストすることである。
論文参考訳（メタデータ） (2024-05-31T20:15:10Z)

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。