論文の概要: SODIUM: From Open Web Data to Queryable Databases

• arxiv url: http://arxiv.org/abs/2603.18447v1
• Date: Thu, 19 Mar 2026 03:17:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.936145
• Title: SODIUM: From Open Web Data to Queryable Databases
• Title（参考訳）: SODium: オープンWebデータからクエリ可能なデータベースへ
• Authors: Chuxuan Hu, Philip Li, Maxwell Yang, Daniel Kang,
• Abstract要約: 我々はSODiumタスクを形式化し、Webなどのオープンドメインを潜在データベースとして概念化する。 既存のシステムはSODiumのタスクに苦労しており、最強のベースラインは46.5%の精度しか達成していない。 我々はWebエクスプローラとキャッシュマネージャで構成されるマルチエージェントシステムであるSODium-Agentを開発した。 SODium-AgentはSODium-Benchで91.1%の精度を達成し、最強のベースラインを約2倍、最も弱いものを最大73倍に上回っている。
• 参考スコア（独自算出の注目度）: 7.809458664810863
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: During research, domain experts often ask analytical questions whose answers require integrating data from a wide range of web sources. Thus, they must spend substantial effort searching, extracting, and organizing raw data before analysis can begin. We formalize this process as the SODIUM task, where we conceptualize open domains such as the web as latent databases that must be systematically instantiated to support downstream querying. Solving SODIUM requires (1) conducting in-depth and specialized exploration of the open web, which is further strengthened by (2) exploiting structural correlations for systematic information extraction and (3) integrating collected information into coherent, queryable database instances. To quantify the challenges in automating SODIUM, we construct SODIUM-Bench, a benchmark of 105 tasks derived from published academic papers across 6 domains, where systems are tasked with exploring the open web to collect and aggregate data from diverse sources into structured tables. Existing systems struggle with SODIUM tasks: we evaluate 6 advanced AI agents on SODIUM-Bench, with the strongest baseline achieving only 46.5% accuracy. To bridge this gap, we develop SODIUM-Agent, a multi-agent system composed of a web explorer and a cache manager. Powered by our proposed ATP-BFS algorithm and optimized through principled management of cached sources and navigation paths, SODIUM-Agent conducts deep and comprehensive web exploration and performs structurally coherent information extraction. SODIUM-Agent achieves 91.1% accuracy on SODIUM-Bench, outperforming the strongest baseline by approximately 2 times and the weakest by up to 73 times.
• Abstract（参考訳）: 調査中、ドメインの専門家は、広範囲のWebソースからのデータを統合する必要があるという分析的な質問をすることが多い。 そのため、分析を開始する前に、生データの検索、抽出、整理にかなりの時間を費やしなければならない。 我々はこのプロセスをSODiumタスクとして形式化し、ダウンストリームクエリをサポートするために体系的にインスタンス化する必要がある潜在データベースとしてWebのようなオープンドメインを概念化する。 SODium の解決には,(1) オープン Web の奥深く及び専門的な探索を行うことが必要であり,(2) 体系的情報抽出のための構造的相関を利用して,(3) 収集した情報を一貫性のあるクエリ可能なデータベースインスタンスに統合することによってさらに強化される。 SODium-Benchは、6つのドメインにわたる学術論文から得られた105のタスクのベンチマークであり、システムは様々な情報源からデータを収集して構造化テーブルに集約するオープンウェブを探索する。 我々はSODium-Bench上で6つの高度なAIエージェントを評価し、最強のベースラインは46.5%の精度しか達成していない。 このギャップを埋めるために、WebエクスプローラとキャッシュマネージャからなるマルチエージェントシステムであるSODium-Agentを開発した。 SODium-Agentは,提案したATP-BFSアルゴリズムを用いて,キャッシュされたソースとナビゲーションパスの管理を原則として最適化し,深層かつ包括的なWeb探索を行い,構造的に一貫性のある情報抽出を行う。 SODium-AgentはSODium-Benchで91.1%の精度を達成し、最強のベースラインを約2倍、最も弱いものを最大73倍に上回っている。

関連論文リスト

• Explore to Evolve: Scaling Evolved Aggregation Logic via Proactive Online Exploration for Deep Research Agents [70.77400371166922]
  深層研究ウェブエージェントは、洞察に富んだ研究のための知識を厳格に分析し集約する必要がある。 本研究では,Webエージェントの検証可能なトレーニングデータを構築するためのExplore to Evolveパラダイムを提案する。 オープンソースのエージェントフレームワークであるSmolAgentsをベースとして,教師付き微調整トラジェクトリを収集し,一連の基礎モデルを構築する。
  論文  参考訳（メタデータ） (2025-10-16T08:37:42Z)
• LLM-based Multi-Agent Blackboard System for Information Discovery in Data Science [69.1690891731311]
  従来のAIモデルのためのブラックボードアーキテクチャに着想を得た,新しいマルチエージェント通信パラダイムを提案する。 このフレームワークでは、中央エージェントが共有ブラックボードにリクエストをポストし、自律的な従属エージェントがその能力に基づいて応答する。 明示的なデータ発見を必要とする3つのベンチマークに対して,本手法の評価を行った。
  論文  参考訳（メタデータ） (2025-09-30T22:34:23Z)
• Scaling Generalist Data-Analytic Agents [95.05161133349242]
  DataMindは、汎用データ分析エージェントを構築するために設計されたスケーラブルなデータ合成およびエージェントトレーニングレシピである。 DataMindは、オープンソースのデータ分析エージェントを構築する上で重要な3つの課題に取り組む。
  論文  参考訳（メタデータ） (2025-09-29T17:23:08Z)
• DatasetResearch: Benchmarking Agent Systems for Demand-Driven Dataset Discovery [26.388978716803464]
  AIエージェントは、通常の検索を超越して、特定のユーザ要求を満たすデータセットを体系的に検出できるだろうか? 我々のベンチマークと包括的な分析は、次世代の自己改善型AIシステムの基礎を提供する。
  論文  参考訳（メタデータ） (2025-08-09T12:15:08Z)
• WebShaper: Agentically Data Synthesizing via Information-Seeking Formalization [68.46693401421923]
  WebShaperは集合論を通してISタスクを体系的に定式化する。 WebShaperは、GAIAおよびWebWalkerQAベンチマーク上で、オープンソースISエージェントの最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-07-20T17:53:37Z)
• From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
  推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。 静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。 我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
  論文  参考訳（メタデータ） (2025-06-23T17:27:19Z)

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。