論文の概要: The Semantic Training Gap: Ontology-Grounded Tool Architectures for Industrial AI Agent Systems
- arxiv url: http://arxiv.org/abs/2605.11234v1
- Date: Mon, 11 May 2026 20:48:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.426293
- Title: The Semantic Training Gap: Ontology-Grounded Tool Architectures for Industrial AI Agent Systems
- Title（参考訳）: セマンティックトレーニングギャップ:産業AIエージェントシステムのためのオントロジーを取り巻くツールアーキテクチャ
- Authors: Grama Chethan,
- Abstract要約: 大規模言語モデル(LLM)ベースのAIエージェントは、分析、品質管理、意思決定支援のための製造環境にますます多くデプロイされている。
これらのエージェントは、ドメイン用語で統計的に流布するが、操作意味論の基盤的理解は欠如している。
本稿では、AIシステムが学習を通してドメイン語彙を取得する方法と、生産業務が存在論的関係を通じて意味を定義する方法とを、構造的に切り離すという意味訓練のギャップを特定し、形式化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language model (LLM)-based AI agents are increasingly deployed in manufacturing environments for analytics, quality management, and decision support. These agents demonstrate statistical fluency with domain terminology but lack grounded understanding of operational semantics -- the relational structure that connects equipment identifiers, process parameters, failure codes, and regulatory constraints within a specific production context. This paper identifies and formalizes the semantic training gap: a structural disconnect between how AI systems acquire domain vocabulary through training and how manufacturing operations define meaning through ontological relationships. We demonstrate that this gap causes operationally incorrect outputs even when model responses are linguistically precise, and that in multi-agent configurations it produces a compounding failure mode we term semantic drift. To close this gap, we present an architecture that embeds manufacturing ontology directly into the AI tool layer as a typed relational configuration, enforcing semantic constraints at runtime rather than relying on model training. The architecture is formalized as a three-operation interface contract -- resolve, contextualize, annotate -- with invariants enforced by an AIOps orchestration layer. In a controlled experiment across six industry configurations (72 tool invocations using Qwen3-32B), unconstrained tool parameters produced a 43% hallucination rate for domain identifiers; ontology-grounded parameters reduced this to 0%. We validate the approach through a digital twin analytics platform demonstrating that a single codebase with domain-specific ontology configurations eliminates tool-call hallucination and achieves cross-domain configurability without application code changes.
- Abstract（参考訳）: 大規模言語モデル(LLM)ベースのAIエージェントは、分析、品質管理、意思決定支援のための製造環境にますます多くデプロイされている。
これらのエージェントは、ドメイン用語で統計的に流布しているが、運用意味論の根底には理解されていない -- 機器識別子、プロセスパラメータ、障害コード、特定の生産コンテキスト内での規制制約を接続する関係構造である。
本稿では、AIシステムが学習を通してドメイン語彙を取得する方法と、生産業務が存在論的関係を通じて意味を定義する方法とを、構造的に切り離すという意味訓練のギャップを特定し、形式化する。
モデル応答が言語的に正確である場合でも,このギャップが操作的に不正確な出力を引き起こし,マルチエージェント構成では,意味的ドリフト(semantic drift)と呼ぶ複合的障害モードが生成されることを実証する。
このギャップを埋めるために、我々はAIツール層に直接製造オントロジーを組み込んだアーキテクチャを、モデルトレーニングに頼るのではなく、実行時に意味的な制約を強制する型付きリレーショナル構成として提示する。
アーキテクチャは、AIOpsオーケストレーション層によって強制される不変性を備えた3つのオペレーションインターフェースコントラクト(resolvion, contextualize, annotate)として形式化されている。
6つの業界構成(Qwen3-32Bを用いた72のツール呼び出し)の制御実験において、制約のないツールパラメータはドメイン識別子に対して43%の幻覚率を生み出した。
我々は、ドメイン固有のオントロジー構成を持つ単一コードベースがツールコール幻覚を排除し、アプリケーションコードの変更なしにドメイン間設定が可能であることを実証するデジタルツイン分析プラットフォームを通じて、このアプローチを検証する。
関連論文リスト
- IACDM: Interactive Adversarial Convergence Development Methodology -- A Structured Framework for AI-Assisted Software Development [0.0]
この記事では、障害は構造的な原因 – 検証のギャップ – を共有している、と論じる。
我々は,外部検証エージェントによる検証ギャップに対処するために,構造化された8フェーズフレームワークであるIACDMを提案する。
論文 参考訳（メタデータ） (2026-03-31T09:48:09Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - REGAL: A Registry-Driven Architecture for Deterministic Grounding of Agentic AI in Enterprise Telemetry [0.0]
大規模言語モデル(LLM)は、エージェント自動化の新しい形態を可能にする。
本稿では,企業テレメトリにおけるエージェントAIシステムの決定論的基盤化のためのレジストリ駆動型アーキテクチャREGALを提案する。
論文 参考訳（メタデータ） (2026-03-03T14:13:39Z) - The Auton Agentic AI Framework [5.410458076724158]
人工知能の分野では、ジェネレーティブAIからエージェントAIへの移行が進行中である。
大規模言語モデル(LLM)は構造化されていない出力を生成するが、それらが制御しなければならないバックエンドインフラストラクチャは決定論的でスキーマに適合する入力を必要とする。
本稿では,自律エージェントの作成,作成,管理を行うための原則アーキテクチャであるAuton Agentic AI Frameworkについて述べる。
論文 参考訳（メタデータ） (2026-02-27T06:42:08Z) - Hierarchical Latent Structures in Data Generation Process Unify Mechanistic Phenomena across Scale [50.33952894976367]
我々は文脈自由文法を用いて、ウェブスケールテキストコーパスのための忠実で効率的なプロキシである合成コーパスを生成する。
設計したデータ生成プロセスにおいて,誘導ヘッド,関数ベクトル,ハイドラ効果という3つの力学現象の出現について検討する。
これらの現象の出現を説明する上で,データ生成プロセスの階層構造がX因子となることが示唆された。
論文 参考訳（メタデータ） (2026-02-04T14:49:13Z) - Bridging Temporal and Textual Modalities: A Multimodal Framework for Automated Cloud Failure Root Cause Analysis [0.0]
本稿では,事前学習した言語モデル埋め込み空間と時系列表現を調和させる診断フレームワークを提案する。
本フレームワークは,複合障害モードを含むシナリオにおいて,48.75%の精度で診断精度を向上する。
論文 参考訳（メタデータ） (2026-01-08T08:20:44Z) - Synthesizing Procedural Memory: Challenges and Architectures in Automated Workflow Generation [0.5599792629509229]
本稿では、受動的ツールユーザからアクティブなワークフローアーキテクトへの移行を運用する。
エージェントは仮説、調査、コードの科学的方法論を強制することによって、堅牢で生産レベルのコードスキルを自律的に書けることを実証する。
論文 参考訳（メタデータ） (2025-12-23T11:33:32Z) - Data Dependency-Aware Code Generation from Enhanced UML Sequence Diagrams [54.528185120850274]
本稿では,API2Depという新しいステップバイステップコード生成フレームワークを提案する。
まず、サービス指向アーキテクチャに適した拡張Unified Modeling Language (UML) APIダイアグラムを紹介します。
次に、データフローの重要な役割を認識し、専用のデータ依存推論タスクを導入する。
論文 参考訳（メタデータ） (2025-08-05T12:28:23Z) - Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。
提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。
本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-26T11:53:59Z) - Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction [57.19302613163439]
モデル適応のための統一フレームワークとして,ニューラルネットワークの再プログラム可能性を導入する。
本稿では,4つの重要な側面にまたがる情報操作アプローチを分類する分類法を提案する。
残る技術的課題や倫理的考察も分析する。
論文 参考訳（メタデータ） (2025-06-05T05:42:27Z)
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。