論文の概要: Didact: A Cross-Domain Capability Discovery System for Defence

• arxiv url: http://arxiv.org/abs/2606.06942v1
• Date: Fri, 05 Jun 2026 06:12:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.586967
• Title: Didact: A Cross-Domain Capability Discovery System for Defence
• Title（参考訳）: Didact: 防衛のためのクロスドメイン能力発見システム
• Authors: Aarya Bodhankar, Aditya Joshi, Bao Gia Doan, Thomas Marchant, Oscar Leslie, Flora Salim,
• Abstract要約: Didactは、オーストラリアから入手可能な防衛報告と政策文書を、目的に構築された知識グラフと統合したプロトタイプである。 Didactはポリシー指向の議論に自然言語による会話を提供する。 Didactの重要な特徴は、検索された証拠とソースの関係を可視化するインタラクティブなエビデンス・レールである。
• 参考スコア（独自算出の注目度）: 6.356560769167288
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Policymakers in defence and defence-aligned sectors must monitor rapidly evolving research alongside sector priorities relevant to operational and strategic needs. In practice, these sources are fragmented across heterogeneous formats, disjoint repositories, and siloed update streams, making capability discovery slow and difficult to audit. We present Didact, a prototype that integrates publicly available defence reports and policy documents from Australia with a purpose-built knowledge graph derived from Australian research publications. Didact provides natural language conversations for policy-oriented workflows, and leverages a composite retrieval-augmented generation (RAG) pipeline. A key feature of Didact is an interactive Evidence Rail that visualises retrieved evidence and source relationships. Our evaluation of the output quality and runtime of Didact highlights its utility. While Didact has been co-developed as an academia-industry project for the Australian context, it is adaptable to other domains where knowledge is similarly fragmented. A demonstration video is available here:
• Abstract（参考訳）: 防衛・防衛連携分野の政策立案者は、運用および戦略上のニーズに関連するセクターの優先順位とともに、急速に発展する研究を監視しなければならない。 実際には、これらのソースは異質なフォーマット、分離されたリポジトリ、サイロ化された更新ストリームで断片化され、機能発見が遅くて監査が難しい。 オーストラリアから入手可能な防衛報告と政策文書を,オーストラリア研究出版物から派生した目的知識グラフと統合したプロトタイプであるAddactについて紹介する。 Didactはポリシー指向のワークフローに対して自然言語による会話を提供し、複合検索強化生成(RAG)パイプラインを活用する。 Didactの重要な特徴は、検索された証拠とソースの関係を可視化するインタラクティブなエビデンス・レールである。 Didactの出力品質とランタイムの評価は、その実用性を強調します。 Didactはオーストラリアにおける学術産業プロジェクトとして共同開発されているが、知識が同様に断片化されている他の領域にも適応可能である。 デモビデオはこちら。

関連論文リスト

• Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation [74.0621258662676]
  レポート生成のためのマルチエージェントハーネスであるPtahを提案する。 Ptahは計画、研究、執筆段階を通じて、ユーザクエリからレンダリングされたWebレポートまでのライフサイクルを編成する。 検証エージェントがハーネスの受け入れ機能として機能し、ワークフロー全体を通して事実的接地、引用の忠実性、相互の整合性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T12:40:34Z)
• AIPO: Learning to Reason from Active Interaction [54.10819421625103]
  AIPOは、ポリシーモデルが、推論ボトルネックに遭遇するときに、3つの機能的協調エージェントを積極的に相談することを可能にする。 AIPOは推論性能を継続的に改善し、異なるポリシーモデルとRLVRアルゴリズムをまたいで堅牢に一般化し、ポリシーモデルの推論能力境界を効果的に拡張する。
  論文  参考訳（メタデータ） (2026-05-08T19:06:55Z)
• Two-Stream Interactive Joint Learning of Scene Parsing and Geometric Vision Tasks [24.19752468668527]
  Two Interactive Streams (TwInS)は、シーン解析と幾何学的視覚タスクを同時に実行可能な、バイオインスパイアされた新しい共同学習フレームワークである。 TwInSは、費用がかかる人手による通信基盤の真理への依存をなくすため、調整された半教師付き訓練戦略を備えている。
  論文  参考訳（メタデータ） (2026-02-14T04:11:19Z)
• AgentCPM-Report: Interleaving Drafting and Deepening for Open-Ended Deep Research [85.51475655916026]
  AgentCPM-Reportは軽量だが高性能なローカルソリューションで、人間の記述プロセスを反映したフレームワークで構成されている。 我々のフレームワークは、モデルがアウトラインを動的に修正できるWARP(Writeing As Reasoning Policy)を使用している。 DeepResearch Bench、DeepConsult、DeepResearch Gymの実験は、AgentCPM-Reportが主要なクローズドソースシステムより優れていることを示した。
  論文  参考訳（メタデータ） (2026-02-06T09:45:04Z)
• Playpen: An Environment for Exploring Learning Through Conversational Interaction [84.0413820245725]
  本研究は,対話ゲームが学習のフィードバック信号の源として機能するかどうかを考察する。 本稿では,対話ゲームによるオフラインおよびオンライン学習環境であるPlaypenを紹介する。 SFTによる模倣学習は、目に見えないインスタンスのパフォーマンスを向上させるが、他のスキルに悪影響を及ぼす。
  論文  参考訳（メタデータ） (2025-04-11T14:49:33Z)
• Who is Responsible? The Data, Models, Users or Regulations? A Comprehensive Survey on Responsible Generative AI for a Sustainable Future [17.980029412706106]
  ジェネレーティブAIは、研究からセクターをまたいだ現実世界への展開へと急速に移行している。 この研究は、メソッド、ベンチマーク、ポリシーにまたがる責任ある生成AIの風景を合成する。
  論文  参考訳（メタデータ） (2025-01-15T20:59:42Z)
• A Survey of Defenses Against AI-Generated Visual Media: Detection,Disruption, and Authentication [29.96910246392549]
  深層生成モデルは様々なコンピュータビジョンアプリケーションで顕著な性能を示した。 これらのモデルは、誤情報、偽造、著作権侵害などの悪意ある目的のために使用されることがある。 本稿では,AI生成したビジュアルメディアに対する防衛研究の体系的かつタイムリーなレビューを行う。
  論文  参考訳（メタデータ） (2024-07-15T09:46:02Z)
• Building Cooperative Embodied Agents Modularly with Large Language Models [104.57849816689559]
  本研究では, 分散制御, 生の知覚観察, コストのかかるコミュニケーション, 様々な実施環境下でインスタンス化された多目的タスクといった課題に対処する。 我々は,LLMの常識知識,推論能力,言語理解,テキスト生成能力を活用し,認知に触発されたモジュラーフレームワークにシームレスに組み込む。 C-WAH と TDW-MAT を用いた実験により, GPT-4 で駆動される CoELA が, 強い計画に基づく手法を超越し, 創発的な効果的なコミュニケーションを示すことを示した。
  論文  参考訳（メタデータ） (2023-07-05T17:59:27Z)
• LocVTP: Video-Text Pre-training for Temporal Localization [71.74284893790092]
  Video-Text Pre-trainingは、大規模なWebビデオからさまざまな下流タスクの転送可能な表現を学ぶことを目的としている。 本稿では,現在のVTP手法とローカライズタスクの非互換性を実験的に解析し,実証する。 ローカライズ指向のビデオテキスト事前学習フレームワークであるLocVTPを提案する。
  論文  参考訳（メタデータ） (2022-07-21T08:43:51Z)

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。