論文の概要: Discovery Agents for Real-Time Analytics: Toward Proactive Insight Systems

• arxiv url: http://arxiv.org/abs/2605.27571v1
• Date: Tue, 26 May 2026 18:43:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.46308
• Title: Discovery Agents for Real-Time Analytics: Toward Proactive Insight Systems
• Title（参考訳）: リアルタイム分析のための発見エージェント : アクティブインサイトシステムに向けて
• Authors: Gaetano Rossiello, Dharmashankar Subramanian,
• Abstract要約: リアルタイムデータストリーム上での自律的な洞察発見のためのマルチエージェントアーキテクチャを提案する。 アーキテクチャは、エージェントが仮説を生成し、それらを実行可能な分析にコンパイルし、生成されたアーティファクトを検証し、視覚化とデプロイ可能なアプリケーションを生成する、継続的発見ループを実装している。 鍵となるコントリビューションは、型付き中間アーティファクトに基づいたコントラクト駆動設計であり、モジュール性、可観測性、系統、動的に生成された分析のより安全な実行を可能にする。
• 参考スコア（独自算出の注目度）: 10.456625151583701
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern analytics systems are fundamentally reactive, requiring users to define queries over increasingly complex and continuously evolving data. In real-time streaming environments, this paradigm breaks down, as the space of potential insights becomes too large to enumerate manually. We present a multi-agent architecture for autonomous insight discovery over real-time data streams. The system implements a continuous discovery loop in which agents generate hypotheses, compile them into executable analytics, validate generated artifacts, and produce visualizations and deployable applications. The architecture leverages Apache Kafka for event-driven coordination, Apache Flink for stream processing, and large language models to implement specialized agents. A key contribution is a contract-driven design based on typed intermediate artifacts, enabling modularity, observability, lineage, and safer execution of dynamically generated analytics. Through use cases in retail, finance, and public data, we show how this architecture supports a shift from query-driven analytics to proactive, discovery-driven systems.
• Abstract（参考訳）: 現代の分析システムは基本的にリアクティブであり、複雑で継続的な進化を続けるデータに対して、ユーザがクエリを定義する必要がある。 リアルタイムストリーミング環境では、潜在的な洞察の空間が手動で列挙するには大きすぎるため、このパラダイムは崩壊する。 リアルタイムデータストリーム上での自律的な洞察発見のためのマルチエージェントアーキテクチャを提案する。 このシステムは、エージェントが仮説を生成し、それらを実行可能な分析にコンパイルし、生成されたアーティファクトを検証し、視覚化とデプロイ可能なアプリケーションを生成する、継続的発見ループを実装している。 このアーキテクチャは、イベント駆動コーディネーションにApache Kafka、ストリーム処理にApache Flink、特殊エージェントを実装するために大規模言語モデルを活用する。 鍵となるコントリビューションは、型付き中間アーティファクトに基づいたコントラクト駆動設計であり、モジュール性、可観測性、系統、動的に生成された分析のより安全な実行を可能にする。 小売、金融、公開データのユースケースを通じて、このアーキテクチャは、クエリ駆動分析からプロアクティブなディスカバリ駆動システムへの移行をサポートするかを示す。

関連論文リスト

• Agentic Insight Generation in VSM Simulations [4.626393563516877]
  本稿では,バリューストリームマップシミュレーションのための分離された2段階のエージェントアーキテクチャを提案する。 データ分析からオーケストレーションを分離することで、システムはドメインエキスパートの知識を取り入れた進歩的なデータ発見を活用する。 複数の最先端の大規模言語モデルの成果は、フレームワークの生存可能性を示している。
  論文  参考訳（メタデータ） (2026-04-14T08:11:53Z)
• A Hierarchical Multi-Agent System for Autonomous Discovery in Geoscientific Data Archives [0.0]
  PANGAEA-GPTは、自律的なデータ発見と分析のために設計された階層型マルチエージェントフレームワークである。 標準のLarge Language Model (LLM)ラッパーとは異なり、我々のアーキテクチャは集中型スーパーバイザ-ワーバートポロジを実装している。 人間の介入を最小限に抑えながら、複雑な多段階決定論的ランタイムを実行するシステムの能力を実証する。
  論文  参考訳（メタデータ） (2026-02-24T20:37:38Z)
• DeepImageSearch: Benchmarking Multimodal Agents for Context-Aware Image Retrieval in Visual Histories [52.57197752244638]
  本稿では,画像検索を自律探索タスクとして再構成する新しいエージェントパラダイムであるDeepImageSearchを紹介する。 モデルは、暗黙の文脈的手がかりに基づいてターゲットを特定するために、生の視覚履歴に対して多段階の推論を計画し実行しなければならない。 DisBenchは、相互接続された視覚データ上に構築された、挑戦的なベンチマークである。
  論文  参考訳（メタデータ） (2026-02-11T12:51:10Z)
• AgentSkiller: Scaling Generalist Agent Intelligence through Semantically Integrated Cross-Domain Data Synthesis [30.512393568258105]
  大規模言語モデルエージェントは、ツールを介して現実世界の問題を解決する可能性を実証するが、汎用的な知性は、質の低い長期データによってボトルネックとなる。 本稿では,現実的なセマンティックなドメイン間でのマルチターンインタラクションデータを合成する,完全に自動化されたフレームワークであるAgentSkillerを提案する。
  論文  参考訳（メタデータ） (2026-02-10T03:21:42Z)
• AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts [78.33143446024485]
  我々は、横方向思考パズルに基づく環境ロールアウトによるエージェントの評価を行うtextbfAgentLongBenchを紹介した。 このフレームワークは、知識集約的で知識のないシナリオにまたがる厳密な相互作用の軌跡を生成する。
  論文  参考訳（メタデータ） (2026-01-28T16:05:44Z)
• LLM Agents for Interactive Workflow Provenance: Reference Architecture and Evaluation Methodology [3.470217255779291]
  本稿では,対話型大規模言語モデル(LLM)エージェントをランタイムデータ解析に活用する評価手法,参照アーキテクチャ,オープンソース実装を提案する。 提案手法では,自然言語を構造化された前処理クエリに変換する軽量なメタデータ駆動型設計を用いる。 LLaMA、GPT、Gemini、Claudeにまたがる評価では、多様なクエリクラスと現実世界の化学ワークフローを網羅し、モジュール設計、即時チューニング、Retrieval-Augmented Generation (RAG)が正確で洞察に富んだエージェント応答を可能にすることを示している。
  論文  参考訳（メタデータ） (2025-09-17T13:51:29Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• Research on the Application of Spark Streaming Real-Time Data Analysis System and large language model Intelligent Agents [1.4582633500696451]
  本研究では、ビッグデータ環境におけるリアルタイムデータ分析システムを強化するために、Agent AIとLangGraphの統合について検討する。 提案したフレームワークは、静的で非効率なステートフル計算の限界を克服し、人間の介入の欠如を克服する。 システムアーキテクチャにはApache Spark Streaming、Kafka、LangGraphが組み込まれ、高性能な感情分析システムを構築する。
  論文  参考訳（メタデータ） (2024-12-10T05:51:11Z)
• Building Interpretable and Reliable Open Information Retriever for New Domains Overnight [67.03842581848299]
  情報検索は、オープンドメイン質問応答(QA)など、多くのダウンストリームタスクにとって重要な要素である。 本稿では、エンティティ/イベントリンクモデルとクエリ分解モデルを用いて、クエリの異なる情報単位により正確にフォーカスする情報検索パイプラインを提案する。 より解釈可能で信頼性が高いが,提案したパイプラインは,5つのIRおよびQAベンチマークにおける通過カバレッジと記述精度を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-08-09T07:47:17Z)

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。