論文の概要: Towards the AI Historian: Agentic Information Extraction from Primary Sources

• arxiv url: http://arxiv.org/abs/2604.03553v1
• Date: Sat, 04 Apr 2026 02:38:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.635911
• Title: Towards the AI Historian: Agentic Information Extraction from Primary Sources
• Title（参考訳）: AIヒストリアンに向けて:原資料からのエージェント情報抽出
• Authors: Lorenz Hufe, Niclas Griesshaber, Gavin Greif, Sebastian Oliver Eck, Philip Torr,
• Abstract要約: 開発中のAIヒストリアンであるChronosの最初のモジュールを紹介します。 このモジュールにより、歴史家は原典の画像スキャンを自然言語による対話を通じてデータに変換することができる。 このモジュールはオープンソースで、歴史研究者が自身の情報源で使用する準備ができている。
• 参考スコア（独自算出の注目度）: 18.29336905035308
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI is supporting, accelerating, and automating scientific discovery across a diverse set of fields. However, AI adoption in historical research remains limited due to the lack of solutions designed for historians. In this technical progress report, we introduce the first module of Chronos, an AI Historian under development. This module enables historians to convert image scans of primary sources into data through natural-language interactions. Rather than imposing a fixed extraction pipeline powered by a vision-language model (VLM), it allows historians to adapt workflows for heterogeneous source corpora, evaluate the performance of AI models on specific tasks, and iteratively refine workflows through natural-language interaction with the Chronos agent. The module is open-source and ready to be used by historical researchers on their own sources.
• Abstract（参考訳）: AIはさまざまな分野にわたる科学的発見をサポートし、加速し、自動化している。 しかし、歴史研究におけるAIの採用は、歴史学者のために設計されたソリューションが欠如しているため、制限されている。 この技術進歩レポートでは、開発中のAIヒストリアンであるChronosの最初のモジュールを紹介します。 このモジュールにより、歴史家は原典の画像スキャンを自然言語による対話を通じてデータに変換することができる。 視覚言語モデル(VLM)を利用した固定抽出パイプラインを導入するのではなく、ヒストリは、異種ソースコーパスのワークフローを適応させ、特定のタスクにおけるAIモデルのパフォーマンスを評価し、Chronosエージェントとの自然言語インタラクションを通じてワークフローを反復的に洗練することができる。 このモジュールはオープンソースで、歴史研究者が自身の情報源で使用する準備ができている。

関連論文リスト

• Leveraging LLM Parametric Knowledge for Fact Checking without Retrieval [60.25608870901428]
  信頼性は、大規模言語モデル(LLM)上に構築されたエージェントAIシステムの中核研究課題である 本研究では,任意の自然言語クレームの検証に焦点をあて,検索なしで事実チェックを行うタスクを提案する。
  論文  参考訳（メタデータ） (2026-03-05T18:42:51Z)
• AI-Powered Assistant for Long-Term Access to RHIC Knowledge [35.18016233072556]
  RHIC Data and Analysis Preservation Plan (DAPP)は、ドキュメントへの自然言語アクセスを提供するAIベースのアシスタントシステムである。 持続可能な、説明可能な長期AIアクセスのために設計された、デプロイメント、計算性能、進行中のマルチエクスペリエンス統合、アーキテクチャ機能について報告する。 私たちの経験は、現代のAI/MLツールが科学的レガシデータのユーザビリティと発見可能性を変える方法を示しています。
  論文  参考訳（メタデータ） (2025-08-18T15:16:29Z)
• Shifting AI Efficiency From Model-Centric to Data-Centric Compression [67.45087283924732]
  AI研究の焦点は、モデル中心の圧縮からデータ中心の圧縮へとシフトしている、と私たちは主張する。 データ中心圧縮は、モデルトレーニングや推論中に処理されたデータのボリュームを直接圧縮することで、AI効率を向上させる。 我々の研究は、AIの効率性に関する新たな視点を提供し、既存の取り組みを合成し、コンテキスト長の増大によって引き起こされる課題に対処するためにイノベーションを触媒することを目的としています。
  論文  参考訳（メタデータ） (2025-05-25T13:51:17Z)
• mAIstro: an open-source multi-agentic system for automated end-to-end development of radiomics and deep learning models for medical imaging [0.0]
  mAIstroは、医療AIモデルのエンドツーエンド開発とデプロイのための、オープンソースの、自律的なマルチエージェントフレームワークである。 自然言語インタフェースを通じて探索データ分析、放射能特徴抽出、画像分割、分類、回帰を編成する。
  論文  参考訳（メタデータ） (2025-04-30T16:25:51Z)
• Reflection on Data Storytelling Tools in the Generative AI Era from the Human-AI Collaboration Perspective [54.152639172274]
  大規模生成AI技術は、ビジュアルおよびナレーション生成におけるそのパワーでデータストーリーテリングを強化する可能性がある。 我々は、最新のツールのコラボレーションパターンを、データストーリーテリングにおける人間とAIのコラボレーションを理解するための専用のフレームワークを使用して、以前のツールのパターンと比較する。 これらのAIテクニックのメリットと、人間とAIのコラボレーションへの影響も明らかにされている。
  論文  参考訳（メタデータ） (2025-03-04T13:56:18Z)
• Developing Retrieval Augmented Generation (RAG) based LLM Systems from PDFs: An Experience Report [3.4632900249241874]
  本稿では,PDF文書を主データ源とする検索拡張生成システム(RAG)の開発経験報告について述べる。 RAGアーキテクチャは、Large Language Models (LLM) の生成能力と情報検索の精度を組み合わせたものである。 この研究の実際的な意味は、様々な分野における生成AIシステムの信頼性を高めることである。
  論文  参考訳（メタデータ） (2024-10-21T12:21:49Z)
• Combining inherent knowledge of vision-language models with unsupervised domain adaptation through strong-weak guidance [44.1830188215271]
  教師なしドメイン適応(UDA)は、ラベル付きソースデータセットを活用することで、データのラベル付けの面倒な作業を克服しようとする。 現在の視覚言語モデルは、顕著なゼロショット予測能力を示す。 我々は、ゼロショット予測を用いて、ソースとターゲットデータセットの整列を支援する、強弱誘導学習スキームを導入する。
  論文  参考訳（メタデータ） (2023-12-07T06:16:39Z)
• Contribution of Conceptual Modeling to Enhancing Historians' Intuition -Application to Prosopography [0.0]
  本稿では,歴史学者の先史学における直感を自動で支援するプロセスを提案する。 コントリビューションは、概念データモデル、プロセスモデル、およびソースの信頼性と情報の信頼性を組み合わせた一連のルールである。
  論文  参考訳（メタデータ） (2020-11-26T13:21:36Z)
• Exploring Software Naturalness through Neural Language Models [56.1315223210742]
  ソフトウェア自然性仮説(Software Naturalness hypothesis)は、自然言語処理で使用されるのと同じ手法でプログラミング言語を理解することができると主張している。 この仮説は,事前学習されたトランスフォーマーベース言語モデルを用いて,コード解析タスクを実行することによって検討する。
  論文  参考訳（メタデータ） (2020-06-22T21:56:14Z)

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。