論文の概要: SiriusHelper: An LLM Agent-Based Operations Assistant for Big Data Platforms

• arxiv url: http://arxiv.org/abs/2605.00043v1
• Date: Wed, 29 Apr 2026 06:18:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.649639
• Title: SiriusHelper: An LLM Agent-Based Operations Assistant for Big Data Platforms
• Title（参考訳）: SiriusHelper: ビッグデータプラットフォームのためのLLMエージェントベースのオペレーションアシスタント
• Authors: Yu Shen, Shiyang Liu, Qihang He, Yihang Cheng, Haining Xie, Zhiming He, Huahua Fan, Xianzhi Tan, Teng Ma, Shaoquan Zhang, Danqing Huang, Fan Jiang, Yang Li, Chongqing Zhao, Peng Chen, Jie Jiang, Bin Cui,
• Abstract要約: SiriusHelperは、ビッグデータプラットフォームのインプロダクションなインテリジェントアシスタントである。 ユーザの意図を自動的に識別し、クエリを適切なハンドリングパスにルーティングする。 コンテキストオーバーロードのないマルチホップ検索をサポートし、回答の信頼性とレイテンシを改善している。
• 参考スコア（独自算出の注目度）: 23.230021882100512
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Big data platforms are widely used in modern enterprises, and an in-production intelligent assistant is increasingly important to help users quickly find actionable guidance and reduce operational burden. While recent LLM+RAG assistants provide a natural interface, they face practical challenges in real deployments: limited scenario coverage across both general consultation and domain-specific troubleshooting workflows, inefficient knowledge access due to inadequate multi-hop retrieval and flat knowledge organization, and high maintenance cost because escalated tickets are unstructured and hard to convert into assistant improvements and reusable SOPs. In this paper, we present SiriusHelper, a deployed intelligent assistant for big data platforms. SiriusHelper serves as a unified online assistant that automatically identifies user intent and routes queries to the right handling path, including dedicated expert workflows for specialized scenarios (e.g., SQL execution diagnosis). To support complex troubleshooting, SiriusHelper combines a DeepSearch-driven mechanism with a priority-based hierarchical knowledge base to enable multi-hop retrieval without context overload, thus improving answer reliability and latency. To reduce expert overhead, SiriusHelper further introduces automated ticket understanding and SOP distillation: it diagnoses the assistant failure reason (e.g., missing knowledge or wrong routing) and extracts domain-specific SOPs to continuously enrich the knowledge base. Experiments and online deployment on Tencent Big Data platform show that SiriusHelper outperforms representative alternatives and reduces online ticket volume by 20.8\%.
• Abstract（参考訳）: ビッグデータプラットフォームは、現代の企業で広く使われており、ユーザが行動可能なガイダンスを素早く見つけ、運用上の負担を軽減するために、インプロダクションのインテリジェントアシスタントがますます重要になっている。 一般的なコンサルテーションとドメイン固有のトラブルシューティングワークフロー、マルチホップ検索とフラットな知識組織による非効率な知識アクセス、エスカレートチケットが非構造的で再利用可能なSOPへの変換が困難であるため、メンテナンスコストが高い。 本稿では,ビッグデータプラットフォーム用のインテリジェントアシスタントであるSiriusHelperを紹介する。 SiriusHelperは統合されたオンラインアシスタントとして機能し、ユーザの意図を自動的に識別し、クエリを適切な処理パスにルーティングする。 複雑なトラブルシューティングをサポートするために、SiriusHelperは、DeepSearch駆動のメカニズムと優先順位に基づく階層的な知識ベースを組み合わせることで、コンテキストオーバーロードなしでマルチホップ検索を可能にする。 SiriusHelperはさらに、自動チケット理解とSOP蒸留を導入している。これは、アシスタント障害理由(例えば、知識の欠如やルーティングの誤り)を診断し、ドメイン固有のSOPを抽出して、知識ベースを継続的に強化するものだ。 Tencent Big Dataプラットフォーム上での実験とオンライン展開は、SiriusHelperが代表的な代替手段を上回り、オンラインチケットの容量を20.8\%削減していることを示している。

関連論文リスト

• AutoAdapt: An Automated Domain Adaptation Framework for LLMs [24.0572835346962]
  大規模言語モデル(LLM)はオープンドメインでは優れているが、限られたデータと進化する知識で特別な設定に苦しむ。 既存のドメイン適応プラクティスは、手動の試行錯誤プロセスに大きく依存しています。 我々は、効率よく信頼性の高いドメイン適応のための新しいエンドツーエンド自動化フレームワークであるAutoAdaptを紹介する。
  論文  参考訳（メタデータ） (2026-03-09T10:03:16Z)
• QAgent: A modular Search Agent with Interactive Query Understanding [25.147900132089777]
  大規模言語モデルは自然言語処理に優れるが、静的パラメトリック知識によって制限される。 本稿では,適応検索に検索エージェントを用いる統一エージェントRAGフレームワークを提案する。 実験ではQAでQAgentが優れていることを示し、実世界のデプロイのためのプラグイン・アンド・プレイモジュールとして機能する。
  論文  参考訳（メタデータ） (2025-10-09T16:08:05Z)
• WebSailor-V2: Bridging the Chasm to Proprietary Agents via Synthetic Data and Scalable Reinforcement Learning [73.91893534088798]
  WebSailorは、この重要な機能を組み込むように設計された、完全なポストトレーニング方法論である。 我々のアプローチは、構造化サンプリングと情報難読化によって、新しい、不確実なタスクを生成することである。 WebSailorは複雑な情報検索タスクにおいて、すべてのオープンソースエージェントを著しく上回る。
  論文  参考訳（メタデータ） (2025-09-16T17:57:03Z)
• 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)
• WebSailor: Navigating Super-human Reasoning for Web Agent [72.5231321118689]
  WebSailorは、この重要な機能を組み込むように設計された、完全なポストトレーニング方法論である。 我々のアプローチは、構造化サンプリングと情報難読化によって、新しい、不確実なタスクを生成することである。 WebSailorは複雑な情報検索タスクにおいて、すべてのオープンソースエージェントを著しく上回っている。
  論文  参考訳（メタデータ） (2025-07-03T12:59:07Z)
• Talk to Right Specialists: Routing and Planning in Multi-agent System for Question Answering [47.29580414645626]
  RopMuraは、複数の知識ベースを統一的なRAGベースのエージェントに統合する、新しいマルチエージェントシステムである。 RopMuraには2つの重要なコンポーネントがある。知識境界に基づいて最も関連性の高いエージェントをインテリジェントに選択するルータと、複雑なマルチホップクエリを管理可能なステップに分解するプランナだ。
  論文  参考訳（メタデータ） (2025-01-14T03:25:26Z)
• Beyond-RAG: Question Identification and Answer Generation in Real-Time Conversations [0.0]
  カスタマーコンタクトセンターでは、人間エージェントは長い平均処理時間(AHT)に苦しむことが多い。 本稿では,顧客質問をリアルタイムに識別し,RAGを超越した意思決定を支援するシステムを提案する。 クエリがFAQと一致した場合、システムはFAQデータベースから直接回答を検索する。
  論文  参考訳（メタデータ） (2024-10-14T04:06:22Z)
• PromptAgent: Strategic Planning with Language Models Enables Expert-level Prompt Optimization [60.00631098364391]
  PromptAgentは、エキスパートレベルのプロンプトを、専門家による手工芸品と同等の品質で作成する最適化手法である。 PromptAgentは人間のような試行錯誤の探索にインスパイアされ、専門家レベルの正確な洞察と詳細な指示を誘導する。 PromptAgentを3つの実践領域にまたがる12のタスクに適用する。
  論文  参考訳（メタデータ） (2023-10-25T07:47:01Z)

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。