論文の概要: AI Engineering Blueprint for On-Premises Retrieval-Augmented Generation Systems

• arxiv url: http://arxiv.org/abs/2604.01395v1
• Date: Wed, 01 Apr 2026 20:53:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.056047
• Title: AI Engineering Blueprint for On-Premises Retrieval-Augmented Generation Systems
• Title（参考訳）: オンプレミス検索型生成システムのためのAIエンジニアリング・ブループリント
• Authors: Nicolas Weeger, Jakob Winkler, Annika Stiehl, Jóakim von Kistowski, Christian Uhl, Stefan Geißelsöder,
• Abstract要約: Retrieval-augmented Generation (RAG) システムは、エンタープライズ環境で勢いを増しているが、厳格なデータ保護規制は、多くの組織がクラウドベースのサービスを使うことを妨げている。 本稿では、スケーラブルなオンプレミスエンタープライズRAGソリューションのための包括的なAIエンジニアリングの青写真を提供することで、このギャップに対処することを目的とする。
• 参考スコア（独自算出の注目度）: 0.8854902913344719
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrieval-augmented generation (RAG) systems are gaining traction in enterprise settings, yet stringent data protection regulations prevent many organizations from using cloud-based services, necessitating on-premises deployments. While existing blueprints and reference architectures focus on cloud deployments and lack enterprise-grade components, comprehensive on-premises implementation frameworks remain scarce. This paper aims to address this gap by presenting a comprehensive AI engineering blueprint for scalable on-premises enterprise RAG solutions. It is designed to address common challenges and streamline the integration of RAG into existing enterprise infrastructure. The blueprint provides: (1) an end-to-end reference architecture described using the 4+1 view model, (2) a reference application for on-premises deployment, and (3) best practices for tooling, development, and CI/CD pipelines, all publicly available on GitHub. Ongoing case studies and expert interviews with industry partners will assess its practical benefits.
• Abstract（参考訳）: Retrieval-augmented Generation (RAG) システムは、企業環境において勢いを増しているが、厳格なデータ保護規制により、多くの組織がクラウドベースのサービスを使用することを防ぎ、オンプレミスのデプロイメントを必要としている。 既存の青写真とリファレンスアーキテクチャはクラウドデプロイメントに重点を置いており、エンタープライズレベルのコンポーネントが欠けているが、包括的なオンプレミス実装フレームワークは依然として不足している。 本稿では、スケーラブルなオンプレミスエンタープライズRAGソリューションのための包括的なAIエンジニアリングの青写真を提供することで、このギャップに対処することを目的とする。 共通の課題に対処し、既存のエンタープライズインフラストラクチャへのRAGの統合を合理化するように設計されている。 1) 4+1ビューモデルを使用して記述されたエンドツーエンドのリファレンスアーキテクチャ、(2)オンプレミスデプロイメントのためのリファレンスアプリケーション、(3)ツーリング、開発、CI/CDパイプラインのベストプラクティス。 これからのケーススタディや、業界パートナーとのエキスパートインタビューは、その実践的メリットを評価する。

関連論文リスト

• ReusStdFlow: A Standardized Reusability Framework for Dynamic Workflow Construction in Agentic AI [11.130786494338876]
  ReusStdFlowは、新しい抽出・構築のパラダイムを中心にしたフレームワークである。 それは、トポロジ構造と機能的セマンティクスの両方の検索を容易にするために、二重知識アーキテクチャ統合グラフとベクトルデータベースを利用する。 200の現実世界のn8nでテストされ、抽出と構築の両方で90%以上の精度を達成している。
  論文  参考訳（メタデータ） (2026-02-16T16:56:53Z)
• The PBSAI Governance Ecosystem: A Multi-Agent AI Reference Architecture for Securing Enterprise AI Estates [0.0]
  本稿では,PBSAI(Practitioners Blueprint for Secure AI)ガバナンスエコシステムについて紹介する。 PBSAIは、エンタープライズおよびハイパースケールAIエステートを確保するためのマルチエージェント参照アーキテクチャである。
  論文  参考訳（メタデータ） (2026-02-11T19:21:35Z)
• ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
  本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。 オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。 我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2026-01-16T08:23:52Z)
• From Benchmarks to Business Impact: Deploying IBM Generalist Agent in Enterprise Production [6.189323683437766]
  本稿では,汎用エージェント(CUGA)を用いたコンピュータの開発と試験経験について報告する。 CUGAは階層的なプランナー-実行アーキテクチャを採用し、強力な分析基盤を備えている。 それは、Business-Process-Outsourcing talent acquisition domainのパイロットとして評価された。
  論文  参考訳（メタデータ） (2025-10-27T20:55:00Z)
• Enterprise Deep Research: Steerable Multi-Agent Deep Research for Enterprise Analytics [75.4712507893024]
  Enterprise Deep Research (EDR)は、適応的なクエリ分解のためのマスタープランニングエージェントを統合するマルチエージェントシステムである。 4つの専門的な検索エージェント(General, Academic, GitHub, LinkedIn)と、データ駆動インサイトのための可視化エージェントも含まれている。 EDRは、オプショナル・イン・ザ・ループ・ステアリング・ガイダンスによる研究の方向性を反映する。
  論文  参考訳（メタデータ） (2025-10-20T17:55:11Z)
• A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
  この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。 本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
  論文  参考訳（メタデータ） (2025-10-10T06:56:50Z)
• CRACI: A Cloud-Native Reference Architecture for the Industrial Compute Continuum [0.0]
  本稿では,産業計算連続体のためのクラウドネイティブな参照アーキテクチャであるCRACIを紹介する。 分離されたイベント駆動モデルを促進し、連続体をまたいだ柔軟な非階層的なデータフローを可能にする。
  論文  参考訳（メタデータ） (2025-09-09T08:24:08Z)
• A Blueprint Architecture of Compound AI Systems for Enterprise [18.109450556443782]
  我々は、企業環境で運用する複合AIシステムのための青写真アーキテクチャを、費用対効果と実用性で導入する。 提案したアーキテクチャは,既存の計算とデータインフラストラクチャとのシームレスな統合を目標としています。
  論文  参考訳（メタデータ） (2024-06-02T01:16:32Z)
• Developing an AI-enabled IIoT platform -- Lessons learned from early use case validation [47.37985501848305]
  本稿では,このプラットフォームの設計について紹介し,AIによる視覚的品質検査の実証者の観点からの早期評価について述べる。 これは、この初期の評価活動で学んだ洞察と教訓によって補完される。
  論文  参考訳（メタデータ） (2022-07-10T18:51:12Z)

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。