論文の概要: VESTA: Visual Exploration with Statistical Tool Agents

• arxiv url: http://arxiv.org/abs/2606.00384v1
• Date: Fri, 29 May 2026 21:57:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.376892
• Title: VESTA: Visual Exploration with Statistical Tool Agents
• Title（参考訳）: VESTA: 統計ツールエージェントによるビジュアル探索
• Abstract要約: VESTA: 統計ツールエージェントを用いたビジュアル探索について紹介する。 VESTAの動的ツール生成は、以前のエージェントパイプラインよりも優れていることを示す。 また,分散フィッティングと時系列を対象とするベンチマークであるDAWNについても紹介する。
• 参考スコア（独自算出の注目度）: 56.76643750765825
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fitting quantitative models to data is a central step in scientific workflows, yet it remains one of the least automated. Recent agent-based systems leverage language and vision-language models (VLMs) to iteratively propose and refine statistical models, but these systems struggle on more challenging modeling tasks. To address these limitations, we introduce VESTA: Visual Exploration with Statistical Tool Agents, a framework that equips VLMs with a dynamically growing exploration toolkit to guide model refinement through data transformations, hypothesis-driven visualizations, and robust statistical tests. Unlike prior systems that rely on iterative critique alone, VESTA actively explores data before and during refinement by selecting or creating diagnostic tools, which accumulate in the model's context and can be reused later. We evaluate VESTA against established baselines in three toolkit configurations: no tools, static expert-written tools, and dynamic model-written tools. To support this evaluation, we introduce DAWN (Dataset for Automated Workflows and Numerical Modeling), a benchmark targeting distribution fitting and time series modeling with varying difficulty tiers, and culminating in real-world astronomy tasks including modeling initial mass functions and gravitational-wave chirp signals. We find that VESTA's dynamic tool creation outperforms prior agentic pipelines, with the largest gains on complex and domain-specific tasks. We further show that dynamically generated tools are substantially more sophisticated than those produced by existing visual tool-creation systems, covering more diagnostic categories per function and strongly preferring visual outputs that the VLM critic can reason over directly.
• Abstract（参考訳）: 定量的モデルをデータに適用することは、科学的なワークフローの中心的なステップだが、まだ自動化されていないものの1つだ。 近年のエージェントベースシステムは、言語と視覚言語モデル(VLM)を活用して、統計モデルを反復的に提案・洗練しているが、これらのシステムはより困難なモデリングタスクに苦慮している。 これらの制限に対処するため、VESTA: Visual Exploration with Statistical Tool Agentsは、VLMに動的に成長する探索ツールキットを装備し、データ変換、仮説駆動の可視化、堅牢な統計的テストを通じてモデルの洗練をガイドするフレームワークである。 反復的批判のみに依存する従来のシステムとは異なり、VESTAは診断ツールを選択したり作成したりすることで、改善前のデータを積極的に探索し、モデルのコンテキストに蓄積し、後で再利用することができる。 我々は、VESTAを3つのツールキット構成で確立されたベースラインに対して評価する:ツール、静的な専門家記述ツール、動的モデル記述ツール。 この評価を支援するため,DAWN (Dataset for Automated Workflows and Numerical Modeling) を導入し,分散フィッティングと時系列モデリングを目的とし,初期質量関数と重力波チャープ信号のモデル化を含む実世界の天文学的タスクを達成した。 VESTAの動的ツール生成は、従来のエージェントパイプラインよりも優れており、複雑なタスクやドメイン固有のタスクで最大の利益が得られます。 さらに、動的に生成するツールは、既存のビジュアルツール作成システムよりも大幅に高度であり、機能ごとの診断カテゴリを多くカバーし、VLM批判者が直接判断できるビジュアルアウトプットを強く好んでいることを示す。

関連論文リスト

• Visualization of Machine Learning Models through Their Spatial and Temporal Listeners [11.68230215728282]
  本稿では,空間的・時間的モデル行動の把握に抽象的なリスナーを用いたモデル中心の2段階フレームワークを提案する。 検索拡張型人間大規模言語モデル(LLM)抽出ワークフローを構築し,128のVIS/VAST ModelVis論文のコーパスを331個の符号化図形でキュレートする。
  論文  参考訳（メタデータ） (2026-03-29T05:41:37Z)
• The Evolution of Tool Use in LLM Agents: From Single-Tool Call to Multi-Tool Orchestration [58.61149924275458]
  ツールの使用により、大きな言語モデルが外部情報にアクセスし、ソフトウェアシステムを実行し、モデルパラメータだけで解決できるもの以外のデジタル環境で動作することができる。 エージェントシステムが進化するにつれて、中央の問題は、中途半端な状態、実行フィードバック、環境の変化、安全性、コスト、検証可能性といった実践的な制約によって、孤立呼び出しからマルチツールオーケストレーションへと移行した。 推論時の計画と実行、トレーニングと軌道構築、安全と制御、リソース制約下での効率性、オープン環境における能力の完全性、およびベンチマーク設計と評価の6つの分野に関する文献を整理する。
  論文  参考訳（メタデータ） (2026-03-24T07:05:05Z)
• Automating Data-Driven Modeling and Analysis for Engineering Applications using Large Language Model Agents [3.344730946122235]
  本稿では,Large Language Model (LLM) エージェントを用いてデータ駆動モデリングと分析を自動化する革新的なパイプラインを提案する。 協調エージェントを特徴とするマルチエージェントシステムと、Reasoning and Acting(ReAct)パラダイムに基づく単一エージェントシステムである。
  論文  参考訳（メタデータ） (2025-10-01T19:28:35Z)
• Feedback-Driven Tool-Use Improvements in Large Language Models via Automated Build Environments [70.42705564227548]
  大規模言語モデル(LLM)のための環境自動構築パイプラインを提案する。 これにより、外部ツールに頼ることなく、詳細な測定可能なフィードバックを提供する高品質なトレーニング環境の作成が可能になる。 また、ツール使用の精度とタスク実行の完全性の両方を評価する検証可能な報酬機構も導入する。
  論文  参考訳（メタデータ） (2025-08-12T09:45:19Z)
• VizGenie: Toward Self-Refining, Domain-Aware Workflows for Next-Generation Scientific Visualization [12.826592849136215]
  VizGenieは,大規模言語モデル(LLM)による科学的可視化を促進するフレームワーク VizGenieの特徴は直感的な自然言語インタフェースで、ユーザーは高レベルの機能ベースのクエリを発行できる。
  論文  参考訳（メタデータ） (2025-07-18T23:54:22Z)
• LAM SIMULATOR: Advancing Data Generation for Large Action Model Training via Online Exploration and Trajectory Feedback [121.78866929908871]
  AIエージェントのための大規模アクションモデル(LAM)は、素晴らしいポテンシャルを提供するが、高品質なトレーニングデータを必要とするため、課題に直面している。 LAM SIMULATORは,高品質なフィードバックによるエージェントタスクのオンライン探索を目的とした総合的なフレームワークである。 本フレームワークは,動的タスククエリジェネレータ,広範囲なツールコレクション,および大規模言語モデル(LLM)エージェントがツールを呼び出し,リアルタイムフィードバックを受信できる対話型環境を備えている。
  論文  参考訳（メタデータ） (2025-06-02T22:36:02Z)
• ToolACE-DEV: Self-Improving Tool Learning via Decomposition and EVolution [77.86222359025011]
  ツール学習のための自己改善フレームワークであるToolACE-DEVを提案する。 まず、ツール学習の目的を、基本的なツール作成とツール利用能力を高めるサブタスクに分解する。 次に、軽量モデルによる自己改善を可能にする自己進化パラダイムを導入し、高度なLCMへの依存を減らす。
  論文  参考訳（メタデータ） (2025-05-12T12:48:30Z)
• LEMUR Neural Network Dataset: Towards Seamless AutoML [35.57280723615144]
  我々は、PyTorchベースのニューラルネットワークの大規模なコレクションを提供するオープンソースのデータセットとフレームワークであるLEMURを紹介する。 各モデルは統一されたテンプレートに従い、構成と結果が構造化データベースに格納され、一貫性が保証される。 LEMURはAutoMLの研究を加速し、公正なベンチマークを可能にし、大規模ニューラルネットワーク研究の障壁を減らすことを目的としている。
  論文  参考訳（メタデータ） (2025-04-14T09:08:00Z)
• SMPLest-X: Ultimate Scaling for Expressive Human Pose and Shape Estimation [81.36747103102459]
  表現的人間のポーズと形状推定(EHPS)は、身体、手、顔の動きを多数の応用で統合する。 現在の最先端の手法は、限定されたデータセット上で革新的なアーキテクチャ設計を訓練することに焦点を当てている。 本稿では,EHPSのスケールアップが一般基盤モデルのファミリに与える影響について検討する。
  論文  参考訳（メタデータ） (2025-01-16T18:59:46Z)
• PUB: Plot Understanding Benchmark and Dataset for Evaluating Large Language Models on Synthetic Visual Data Interpretation [2.1184929769291294]
  本稿では,データ視覚化における大規模言語モデルの習熟度を評価するために設計された,新しい合成データセットを提案する。 我々のデータセットは、制御されたパラメータを使って生成され、潜在的な現実世界シナリオの包括的カバレッジが保証されます。 我々は、画像中の視覚データに関連する質問を多モーダルテキストプロンプトを用いて、いくつかの最先端モデルをベンチマークする。
  論文  参考訳（メタデータ） (2024-09-04T11:19:17Z)
• StableLLaVA: Enhanced Visual Instruction Tuning with Synthesized Image-Dialogue Data [129.92449761766025]
  本稿では,視覚的インストラクションチューニングのための画像と対話を同期的に合成する新しいデータ収集手法を提案する。 このアプローチは生成モデルのパワーを活用し、ChatGPTとテキスト・ツー・イメージ生成モデルの能力とを結合する。 本研究は,各種データセットを対象とした総合的な実験を含む。
  論文  参考訳（メタデータ） (2023-08-20T12:43:52Z)

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。