論文の概要: KnowPilot: Your Knowledge-Driven Copilot for Domain Tasks
- arxiv url: http://arxiv.org/abs/2604.19820v1
- Date: Sun, 19 Apr 2026 07:09:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:10.559537
- Title: KnowPilot: Your Knowledge-Driven Copilot for Domain Tasks
- Title（参考訳）: KnowPilot: ドメインタスクのための知識駆動のコパイロット
- Authors: Zekun Xi, Yichen Nie, Ziyan Jiang, Yujie Bao, Zhenqian Xu, Zhisong Qiu, Ziwen Xu, Shumin Deng,
- Abstract要約: ドメイン特化知識向上型生成エージェントシステムであるKnowPilotについて述べる。
KnowPilotは、タスク固有の事前情報、明示的な知識、経験的な知識を統合して、特殊なアプリケーションにおけるエージェントのパフォーマンスを向上させるオープンソースのフレームワークである。
ドメイン固有の書き込み生成を代表ケースとして、KnowPilotはプライベートデプロイメントを可能にし、タスク要求の注入をサポートし、プライベートナレッジベースをロードし、暗黙のエキスパート知識を永続的なメモリとして保存する。
- 参考スコア（独自算出の注目度）: 21.200344114529713
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite the rapid advancement of generative agents, their deployment in real-world industry scenarios often encounters significant challenges due to a lack of domain-specific knowledge. To address this gap, we present KnowPilot: a Domain-Specific Knowledge Augmented Generative Agent System. KnowPilot is an open-source framework that integrates task-specific priors, explicit knowledge, and experiential knowledge to enhance agent performance in specialized applications. It combines knowledge retrieval from structured repositories with a memory system capable of capturing expert experience through human AI interaction. Taking domain-specific writing generation as a representative case, KnowPilot enables private deployment, supports injection of task requirements, loads private knowledge bases, and stores tacit expert knowledge as persistent memory. Experimental results demonstrate that KnowPilot achieves superior performance in domain-oriented text generation and is applicable across fields such as medicine, finance and industry.
- Abstract（参考訳）: 生成エージェントの急速な進歩にもかかわらず、実際の産業シナリオへの展開はドメイン固有の知識が不足しているため、しばしば重大な課題に直面する。
このギャップに対処するため,ドメイン特化知識向上型生成エージェントシステムであるKnowPilotを提案する。
KnowPilotは、タスク固有の事前情報、明示的な知識、経験的な知識を統合して、特殊なアプリケーションにおけるエージェントのパフォーマンスを向上させるオープンソースのフレームワークである。
構造化リポジトリからの知識検索と、人間のAIインタラクションを通じて専門家エクスペリエンスをキャプチャ可能なメモリシステムを組み合わせる。
ドメイン固有の書き込み生成を代表ケースとして、KnowPilotはプライベートデプロイメントを可能にし、タスク要求の注入をサポートし、プライベートナレッジベースをロードし、暗黙のエキスパート知識を永続的なメモリとして保存する。
実験の結果,KnowPilotはドメイン指向テキスト生成において優れた性能を示し,医療,金融,産業などの分野に適用可能であることがわかった。
関連論文リスト
- Agentic Knowledgeable Self-awareness [79.25908923383776]
KnowSelfはデータ中心のアプローチで、人間のような知識のある自己認識を持つエージェントを応用する。
我々の実験により、KnowSelfは、外部知識を最小限に使用して、様々なタスクやモデルにおいて、様々な強力なベースラインを達成できることが実証された。
論文 参考訳（メタデータ） (2025-04-04T16:03:38Z) - PIKE-RAG: sPecIalized KnowledgE and Rationale Augmented Generation [16.081923602156337]
sPecIalized KnowledgEとRationale Augmentation Generation(PIKE-RAG)を紹介する。
専門知識を抽出し,理解し,適用することに注力するとともに,LCMを正確な応答に向けて漸進的に操るコヒーレントな合理性を構築した。
この戦略的なアプローチは、産業アプリケーションの進化する要求を満たすために調整されたRAGシステムの段階的開発と強化のためのロードマップを提供する。
論文 参考訳（メタデータ） (2025-01-20T15:39:39Z) - Learning to Solve Domain-Specific Calculation Problems with Knowledge-Intensive Programs Generator [33.680619900836376]
本稿では,知識集中型プログラム生成器を用いて,ドメイン固有の計算問題を解くパイプラインを提案する。
ドメイン固有の文書に従って知識集約型プログラムを生成する。
また、コードジェネレータは、新しい知識をトレーニングすることなく、他のドメインにも適用可能であることもわかりました。
論文 参考訳（メタデータ） (2024-12-12T13:42:58Z) - Knowledge Plugins: Enhancing Large Language Models for Domain-Specific
Recommendations [50.81844184210381]
本稿では,大規模言語モデルをDOmain固有のKnowledgEで拡張し,実践的アプリケーション,すなわちDOKEの性能を向上させるためのパラダイムを提案する。
このパラダイムはドメイン知識抽出器に依存し,1)タスクに効果的な知識を準備すること,2)特定のサンプルごとに知識を選択すること,3)LLMで理解可能な方法で知識を表現すること,の3つのステップで動作する。
論文 参考訳（メタデータ） (2023-11-16T07:09:38Z) - UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language
Models [100.4659557650775]
構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。
どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
論文 参考訳（メタデータ） (2023-05-02T17:33:28Z) - Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。
本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
論文 参考訳（メタデータ） (2022-11-30T03:44:15Z)
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。