論文の概要: Context Graphs for Proactive Enterprise Agents

• arxiv url: http://arxiv.org/abs/2607.07721v1
• Date: Sat, 04 Jul 2026 14:37:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.276911
• Title: Context Graphs for Proactive Enterprise Agents
• Title（参考訳）: プロアクティブなエンタープライズエージェントのためのコンテキストグラフ
• Abstract要約: 本論文は、真の企業生産性向上には、労働者に尋ねる前に、関連性のある行動可能な情報を提示するプロアクティブエージェントが必要であることを主張する。 我々は、エンタープライズエンティティ、それらの関係、そして時間とともに状態遷移をモデル化する、ライブリレーショナルデータ構造であるContext Graphを提案する。 NetworkXとAnthropic Claude APIを使った完全なエンドツーエンドPython実装を提供する。
• 参考スコア（独自算出の注目度）: 2.3097706741644686
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrieval-Augmented Generation (RAG) and agentic frameworks have advanced enterprise AI considerably, yet agents remain fundamentally reactive: they wait for a human query before acting. This paper argues that genuine enterprise productivity gains require proactive agents: systems that surface relevant, actionable information to workers before they ask. We propose the Context Graph, a live relational data structure that models enterprise entities, their relationships, and state transitions over time. Built on this graph, we define a Delta Detection Engine that continuously monitors state changes, a Proactivity Scorer that ranks candidate insights by urgency, relevance, and persona-fit, and a Surfacing Layer powered by an LLM that delivers ranked notifications with grounded explanations. We formalize each component, derive a unified Proactivity Score function, and provide a complete end-to-end Python implementation using NetworkX and the Anthropic Claude API. Evaluation across three generic enterprise case studies (contract lifecycle management, engineering incident response, and sales pipeline hygiene) demonstrates that context-graph-driven proactivity achieves Precision@5 of 0.83, a false positive rate of 0.11, and reduces mean time to surface from 47 minutes (reactive baseline) to under 30 second.
• Abstract（参考訳）: Retrieval-Augmented Generation (RAG)とエージェントフレームワークは、エンタープライズAIをかなり進歩させたが、エージェントは基本的にリアクティブであり、動作する前に人間のクエリを待つ。 この論文は、真の企業の生産性向上には、労働者に尋ねる前に関連性があり、実行可能な情報を提示するシステムという、積極的なエージェントが必要である、と論じる。 我々は、エンタープライズエンティティ、それらの関係、そして時間とともに状態遷移をモデル化する、ライブリレーショナルデータ構造であるContext Graphを提案する。 このグラフに基づいて構築されたデルタ検出エンジンは、状態変化を継続的に監視するものであり、緊急性、関連性、ペルソナ適合性によって候補の洞察をランク付けするProactive Scorerと、根拠のある説明でランク付けされた通知を配信するLLMをベースとしたSur facing Layerを定義している。 それぞれのコンポーネントを形式化し、統一されたProactive Score関数を導出し、NetworkXとAnthhropic Claude APIを使った完全なエンドツーエンドPython実装を提供する。 3つの一般的なエンタープライズケーススタディ(契約ライフサイクル管理、エンジニアリングインシデント対応、販売パイプライン衛生)による評価は、コンテキストグラフ駆動のアクティビティが精度@5の0.83、偽陽性率0.11を実現し、平均時間を47分(アクティブベースライン)から30秒未満に短縮することを示している。

関連論文リスト

• Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
  ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。 ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
  論文  参考訳（メタデータ） (2026-09-04T23:32:11Z)
• Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
  大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。 既存のアプローチはそのようなシステムレベルの保証を提供していません。 本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
  論文  参考訳（メタデータ） (2026-08-04T13:01:30Z)
• From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
  本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。 まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。 次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
  論文  参考訳（メタデータ） (2026-06-14T05:40:16Z)
• From Privacy to Workflow Integrity: Communication-Graph Metadata in Autonomous Agent Interoperability [0.0]
  A2A と MCP プロトコルは、エージェントが互いに何を言うか標準化するが、HTTP(S) 上のアドレスベースのトランスポートを仮定する。 コミュニケーショングラフは、どのエージェントがどのエージェントに、いつ、どのくらいの頻度で接触しているかを示すものだ。 エージェント通信グラフに対して脅威モデルを与え、エージェントメタデータが明確に示すものを特定する。
  論文  参考訳（メタデータ） (2026-06-05T11:07:55Z)
• GraphMind: From Operational Traces to Self-Evolving Workflow Automation [8.929269898719822]
  我々は、最小限の努力でアクション中心のワークフローグラフを構築し、実行し、進化させるシステムであるGraphMindを提案する。 このシステムは、インシデント調査のために、4つのプロダクションクラウドデータベースサービスにデプロイされている。 評価された会話の97%は、対話的なレイテンシの中で実行可能な結果をもたらす。
  論文  参考訳（メタデータ） (2026-05-17T19:22:22Z)
• ClawForge: Generating Executable Interactive Benchmarks for Command-Line Agents [59.626170560327274]
  textbfClawForgeは、ステートコンフリクト下で実行可能なコマンドラインカテゴリのためのジェネレータベースのベンチマークフレームワークである。 私たちはこのフレームワークをClawForge-Bench(17のシナリオ、6の能力カテゴリ)としてインスタンス化します。
  論文  参考訳（メタデータ） (2026-05-13T21:34:08Z)
• How to Interpret Agent Behavior [56.59836196946289]
  本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。 共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
  論文  参考訳（メタデータ） (2026-05-13T14:52:40Z)
• AgentSim: A Platform for Verifiable Agent-Trace Simulation [3.2058241360543254]
  AgentSimは、RAGエージェントをシミュレートするオープンソースプラットフォームである。 これは、任意のドキュメントコレクションに対するエージェント推論の検証可能な段階的なトレースを生成する。 マルチモデル検証パイプラインとアクティブなHuman-in-the-loopプロセスを組み合わせる。
  論文  参考訳（メタデータ） (2026-04-29T13:19:38Z)
• ANCHOR: Branch-Point Data Generation for GUI Agents [52.22377425487]
  デスクトップ環境向けのエンドツーエンドGUIエージェントは、大量の高品質なインタラクションデータを必要とする。 本稿では,拡張フレームワークであるAnchorについて紹介する。このフレームワークは,小規模で検証済みのシードデモから,スケーラブルなデスクトップ監視をブートストラップする。 OSWorldとWindowsAgentArenaの標準デスクトップベンチマークの実験では、拡張されたコーパスに微調整されたモデルが一貫した改善を実現している。
  論文  参考訳（メタデータ） (2026-02-06T19:55:26Z)
• GR-Agent: Adaptive Graph Reasoning Agent under Incomplete Knowledge [26.26036702896838]
  ほとんどのベンチマークでは、直接支援三重グラフが存在する完全知識グラフ(KG)を仮定する。 これにより、評価は浅い検索に還元され、多くの事実が欠落しており、答えは既存の事実から推測されなければならない不完全なKGの現実を見落としている。 そこで本研究では,KGの不完全性に基づくベンチマーク構築手法を提案する。
  論文  参考訳（メタデータ） (2025-12-16T06:11:30Z)
• MAPLE: A Mobile Agent with Persistent Finite State Machines for Structured Task Reasoning [46.18718721121415]
  アプリケーションインタラクションをFSM(Finite State Machine)として抽象化する,状態認識型マルチエージェントフレームワークMAPLEを提案する。 それぞれのUI画面を離散状態として、ユーザアクションをトランジションとしてモデル化し、FSMがアプリケーション実行の構造化された表現を提供できるようにします。 MAPLEは、計画、実行、検証、エラー回復、知識保持という4段階のタスク実行に責任を持つ特殊エージェントで構成されている。
  論文  参考訳（メタデータ） (2025-05-29T16:08:51Z)
• Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
  本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。 評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。 欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T15:39:52Z)

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。