論文の概要: KPI2KVI: A Multi Agent Workflow for Calculating Key Value Indicators from Service Descriptions
- arxiv url: http://arxiv.org/abs/2605.22825v1
- Date: Tue, 31 Mar 2026 09:10:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 07:09:36.437814
- Title: KPI2KVI: A Multi Agent Workflow for Calculating Key Value Indicators from Service Descriptions
- Title（参考訳）: KPI2KVI: サービス記述からキーバリューインジケータを計算するためのマルチエージェントワークフロー
- Authors: Masoud Shokrnezhad, Tarik Taleb, Yan Chen, Qize Guo,
- Abstract要約: 多くの領域において、キーバリューインジケータ(KVI)は、関連するKVIカテゴリを選択し、キーパフォーマンスインジケータ(KPI)を定義し、一貫した計算ロジックを適用する必要があるため、計算が難しい。
本稿では,Large Language Models (LLMs) を用いた決定論的マルチエージェントワークフローを編成することにより,自然言語サービス記述を計算されたKVI推定に変換するツールである2KVIを提案する。
このツールは、記述からKVI間隔までの完全なエンドツーエンドを一貫して生成し、ポストホック監査とインタラクティブなアドバイザリクエリをサポートする透過的な計算記述を提供する。
- 参考スコア（独自算出の注目度）: 12.463881977924027
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Key Value Indicators (KVIs) provide a decision oriented view of a service by summarizing how operational performance translates into stakeholder value, risk, and outcomes. However, in many domains KVIs are difficult to compute in practice because they require selecting relevant KVI categories, defining measurable Key Performance Indicators (KPIs), collecting KPI values, and applying consistent calculation logic, all of which is typically performed manually and inconsistently from unstructured service documentation. This paper presents KPI2KVI, a tool that transforms a natural language service description into computed KVI estimates by orchestrating a deterministic multi agent workflow powered by Large Language Models (LLMs) that (i) elicits missing service context, (ii) extracts and finalizes relevant KVI categories from a taxonomy, (iii) generates service specific KPIs with units and descriptions, (iv) collects KPI values through an interactive dialogue and also supports intelligent estimation for KPI values that are unavailable, and (v) computes interval valued KVI outputs (minimum, exact, maximum) with traceable explanations for each KVI code. Simulations with representative service descriptions demonstrate that KPI2KVI consistently produces a complete end to end mapping from description to KVI intervals and provides transparent calculation narratives that support post hoc auditing and interactive advisory queries.
- Abstract（参考訳）: キーバリューインジケータ(KVI)は、運用パフォーマンスがステークホルダーの価値やリスク、成果にどのように変換されるかを要約することで、サービスの意思決定指向のビューを提供する。
しかし、多くの領域において、KVIは、関連するKVIカテゴリの選択、測定可能なキーパフォーマンス指標(KPI)の定義、KPI値の収集、一貫性のある計算ロジックの適用を必要とするため、実際には計算が難しい。
本稿では,大規模言語モデル(LLM)を利用した決定論的マルチエージェントワークフローを編成することにより,自然言語サービス記述を計算されたKVI推定に変換するKPI2KVIを提案する。
(i)サービスコンテキストの欠落を生じさせる。
(ii)分類学から関連するKVIカテゴリーを抽出し、確定する。
三 単位及び記述を伴うサービス特化KPIを生成すること。
(iv)対話的対話を通してKPI値を収集し、また、利用できないKPI値のインテリジェントな推定をサポートし、
(v)各KVI符号のトレース可能な説明とともに、間隔値付きKVI出力(最小、正確、最大)を算出する。
代表的サービス記述によるシミュレーションでは、KPI2KVIは、記述からKVI区間への完全なエンドツーエンドマッピングを一貫して生成し、ポストホック監査と対話的なアドバイザリクエリをサポートする透過的な計算記述を提供する。
関連論文リスト
- Where and What Matters: Sensitivity-Aware Task Vectors for Many-Shot Multimodal In-Context Learning [57.082554323521464]
そこで我々は,STV(Sensitivity-aware Task Vector insert framework)を提案する。
キーとなる洞察は、クエリとコンテキストのペア間でのアクティベーションデルタは一貫した構造パターンを示し、挿入のための信頼できるキューを提供します。
識別されたセンシティブ・アウェア・ロケーションに基づいて、アクティベーション値をクラスタリングし、各ロケーションに対して事前クラスタリングされたアクティベーションバンクを構築し、次に強化学習を適用し、最も適したアクティベーション・バンクを選択する。
論文 参考訳（メタデータ） (2025-11-11T13:42:13Z) - AgenticIQA: An Agentic Framework for Adaptive and Interpretable Image Quality Assessment [69.06977852423564]
画像品質評価(IQA)は、人間の視覚系に根ざした知覚品質の定量化と解釈の両方を反映している。
AgenticIQAは、IQAを歪み検出、歪み解析、ツール選択、ツール実行の4つのサブタスクに分解する。
本稿では,IQAエージェントに適した大規模命令データセットであるAgenticIQA-200Kと,VLMベースのIQAエージェントの計画,実行,要約機能を評価するための最初のベンチマークであるAgenticIQA-Evalを紹介する。
論文 参考訳（メタデータ） (2025-09-30T09:37:01Z) - EncQA: Benchmarking Vision-Language Models on Visual Encodings for Charts [13.788477482875855]
マルチモーダル視覚言語モデル(VLM)は、チャート理解ベンチマークにおいて継続的に改善されたスコアを達成し続けている。
本稿では,視覚的エンコーディングと解析タスクの体系的なカバレッジを提供するための新しいベンチマークであるEncQAを紹介する。
9つの最先端VLMの評価結果から、同一タスク内のエンコーディングやタスク間で性能が著しく異なることが明らかとなった。
論文 参考訳（メタデータ） (2025-08-06T17:17:46Z) - Performance of Cascade and LDPC-codes for Information Reconciliation on Industrial Quantum Key Distribution Systems [69.47813697920358]
我々は、情報再構成に使用される2つの一般的なアルゴリズムの性能を分析し、シミュレーションし、最適化し、比較する。
我々は,現実的かつアプリケーションクローズな環境での運用において,実用的および工業的環境における適用性に焦点をあてる。
論文 参考訳（メタデータ） (2024-08-28T12:51:03Z) - FamiCom: Further Demystifying Prompts for Language Models with Task-Agnostic Performance Estimation [73.454943870226]
言語モデルは、コンテキスト内学習能力に優れています。
本稿では,タスク非依存のパフォーマンス推定のためのより包括的な尺度であるFamiComを提案する。
論文 参考訳（メタデータ） (2024-06-17T06:14:55Z) - Unsupervised KPIs-Based Clustering of Jobs in HPC Data Centers [0.0]
キーパフォーマンスインジケータ(KPI)は、CPU使用量、メモリ使用量、ネットワークトラフィック、その他のハードウェアを監視するセンサに関する情報を提供する、膨大な数の監視タスクを生成する。
本論文の主な貢献は、HPCシステムにおいて、各ジョブの振る舞いに応じて、どのメトリック/s(KPI)が、どのタイプのジョブを識別/分類するのに最も適しているかを特定することである。
我々は,ネットワーク(インタフェース)トラフィック監視に関連する指標(KPI)がクラスタHPCジョブの結合と分離に最適であり,階層的クラスタリングアルゴリズムがこのタスクに最も適していると結論づけた。
論文 参考訳（メタデータ） (2023-12-11T17:31:46Z) - KPIs-Based Clustering and Visualization of HPC jobs: a Feature Reduction
Approach [0.0]
HPCシステムは、安定性を確保するために常に監視される必要がある。
監視システムは、リソース使用量やIO待ち時間など、さまざまなパラメータやキーパフォーマンス指標(KPI)に関する膨大なデータを収集します。
通常時系列として保存されるこのデータの適切な分析は、適切な管理戦略の選択と問題の早期検出に関する洞察を与えることができる。
論文 参考訳（メタデータ） (2023-12-11T17:13:54Z) - KEWS: A KPIs-Based Evaluation Framework of Workload Simulation On
Microservice System [8.43606937492744]
本稿では,形状と強度の類似度を測る拡張形状ベース距離(ESBD)の類似度測定アルゴリズムを提案する。
また、前処理、圧縮、評価の3つのモジュールからなるワークロードシミュレーション評価フレームワーク(KEWS)を提案する。
論文 参考訳（メタデータ） (2023-01-16T17:35:34Z) - Correlation Information Bottleneck: Towards Adapting Pretrained
Multimodal Models for Robust Visual Question Answering [63.87200781247364]
相関情報ボトルネック (CIB) は圧縮と表現の冗長性のトレードオフを求める。
マルチモーダル入力と表現の相互情報に対して,理論上界を厳密に導出する。
論文 参考訳（メタデータ） (2022-09-14T22:04:10Z) - Supporting Vision-Language Model Inference with Confounder-pruning Knowledge Prompt [71.77504700496004]
視覚言語モデルは、オープンセットの視覚概念を扱うために、画像とテキストのペアを共通の空間に整列させることで事前訓練される。
事前訓練されたモデルの転送可能性を高めるため、最近の研究では、固定または学習可能なプロンプトが採用されている。
しかし、どのようにして、どのプロンプトが推論性能を改善するのかは、まだ不明である。
論文 参考訳（メタデータ） (2022-05-23T07:51:15Z)
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。