論文の概要: Workflow as Knowledge: Semantic Persistence for LLM-Mediated Workflows
- arxiv url: http://arxiv.org/abs/2607.08740v1
- Date: Thu, 09 Jul 2026 17:40:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.614046
- Title: Workflow as Knowledge: Semantic Persistence for LLM-Mediated Workflows
- Title（参考訳）: 知識としてのワークフロー: LLMによるワークフローのセマンティック永続化
- Abstract要約: 大規模言語モデル(LLM)アプリケーションは、ツールの使用、検索、分岐、チェックポインティング、そして人間の承認のために、次第に明示的に使われるようになっている。
既存のワークフローシステムは、すでに多くの実行上の問題に対処している。
本稿では,Lispに着想を得たが言語に依存しない概念モデルを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Large language model (LLM) applications increasingly use explicit workflows for tool use, retrieval, branching, checkpointing, and human approval. Existing workflow systems already address many execution concerns. This paper proposes a Lisp-inspired but language-independent conceptual model: symbolic forms, object identity, and live-image thinking are used as explanatory lenses, not implementation commitments. In this model, workflow definitions, workflow instances, inference records, context snapshots, and dependency relations are represented as persistent knowledge objects in a shared knowledge substrate. Its central semantic distinction is between derive and infer: derive is deterministic computation over available state; infer is mediated LLM judgment under declared context and executor-controlled capability policy. The result is a preliminary conceptual account of semantic persistence: workflows do not merely produce knowledge and leave traces, but can themselves be represented as inspectable, resumable, and reviewable knowledge objects, while formal transition semantics remain future work.
- Abstract（参考訳）: 大規模言語モデル(LLM)アプリケーションは、ツールの使用、検索、分岐、チェックポインティング、人間の承認のための明示的なワークフローをますます利用している。
既存のワークフローシステムは、すでに多くの実行上の問題に対処している。
本稿では,Lispに着想を得たが言語に依存しない概念モデルを提案する。
このモデルでは、ワークフロー定義、ワークフローインスタンス、推論レコード、コンテキストスナップショット、依存関係関係を共有知識基盤内の永続的知識オブジェクトとして表現する。
導出は可利用状態に対する決定論的計算であり、推論は宣言された文脈下でのLCM判定と実行者制御能力ポリシーである。
ワークフローは単に知識を生成し、トレースを残すだけでなく、それ自体を検査可能な、再利用可能な、レビュー可能な知識オブジェクトとして表現することができる。
関連論文リスト
- ContextFlow: In-Context Flow Matching for Robot Manipulation [91.60992853468242]
本研究では,コンテキスト内模倣学習のための連続的な動作分布を学習する条件付きフローマッチングモデルであるContextFlowを紹介する。
LIBEROでは、ContextFlowがICRTを35パーセント上回っている。
実際のロボットでは、シングルアームとバイマニュアルの両方のタスクの見当たらない構成に一般化し、新しいペンアンカッピング構成で40%の成功を達成している。
論文 参考訳（メタデータ） (2026-09-06T21:53:58Z) - Knowledge-Centric Agents for Workflow Generation [73.4340391112949]
複数の抽象化レベルにわたる知識を逆転させ、注入し、推論することを学ぶ知識中心のフレームワークを提案する。
提案手法は,ノードの多様性,コヒーレントな構造,既存システムよりも高い実行成功率で生成する。
論文 参考訳（メタデータ） (2026-07-17T11:03:01Z) - ATWL: A Formal Language for Representing, Comparing, and Reusing Visual Analytics Workflows [18.606007955432283]
視覚分析(VA)は本質的に複雑で、データ変換、特徴工学、視覚的表現、人間の解釈を含む。
これらは典型的には、構造化されていない散文で説明され、体系的な比較を妨げる、証明された戦略の再利用、初心者の訓練などである。
本稿では,ドメインに依存しない宣言型言語であるArtifact-Transform Language(ATWL)について述べる。
論文 参考訳（メタデータ） (2026-05-25T06:51:02Z) - OLAF: Towards Robust LLM-Based Annotation Framework in Empirical Software Engineering [2.74296307006009]
大規模言語モデル(LLM)は、ソフトウェア工学において、アノテーションタスクの自動化やアシストにますます使われている。
既存の研究では、信頼性、キャリブレーション、ドリフトの標準化された尺度が欠如していることが多い。
LLMに基づくアノテーションは、純粋に自動化されたアクティビティではなく、測定プロセスとして扱われるべきである。
論文 参考訳（メタデータ） (2025-12-17T21:24:07Z) - Solving Context Window Overflow in AI Agents [0.0]
大規模言語モデル(LLM)は、外部ツールとのインタラクションが可能になり、トレーニングデータ以外の特別な知識にアクセスできるようになる。
トランケーションや要約のような既存のソリューションは完全な出力を保存することができず、完全なデータを必要とする作業には適さない。
本稿では,LLMが情報を失うことなく任意の長さのツール応答を処理し,利用できるようにする手法を提案する。
論文 参考訳（メタデータ） (2025-11-27T19:22:20Z) - Ontology-Driven Model-to-Model Transformation of Workflow Specifications [0.8921166277011348]
Smart FormsやSmart Flowといったプロプライエタリな言語は、プロセスの知識をクローズドなフォーマットにロックするため、相互運用性と再利用を妨げる。
私たちは、ビジネスプロセスモデルと表記にドメイン固有の定義をサポートするオントロジー駆動のモデル・ツー・モデルパイプラインを導入します。
私たちは、Serior Técnico(IST)のSmart Forms & Smart Flowのためのパイプラインをインスタンス化し、標準準拠のBPMNダイアグラムを生成するコンバータを実装しました。
論文 参考訳（メタデータ） (2025-11-17T18:16:19Z) - DyFlow: Dynamic Workflow Framework for Agentic Reasoning [79.19799197382478]
DyFlowは動的ワークフロー生成フレームワークで、タスク要求とリアルタイム中間フィードバックに基づいて推論手順を適応的に構築し、調整する。
社会的推論,生物医学的タスク,数学的問題解決,コード生成など,さまざまな領域でDyFlowを体系的に評価する。
結果は、DyFlowが既存のベースラインを大幅に上回り、Pass@kの改善を実現し、さまざまなドメインにわたって堅牢な一般化を示すことを示した。
論文 参考訳（メタデータ） (2025-09-30T10:36:23Z) - Learning Task Representations from In-Context Learning [67.66042137487287]
大規模言語モデル(LLM)は、文脈内学習(ICL)において顕著な習熟性を示した。
ICLプロンプトにおけるタスク情報をアテンションヘッドの関数として符号化するための自動定式化を導入する。
提案手法は,テキスト中の実演からタスク固有の情報を抽出し,テキストと回帰タスクの両方で優れる。
論文 参考訳（メタデータ） (2025-02-08T00:16:44Z) - Benchmarking Agentic Workflow Generation [80.74757493266057]
複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。
また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。
我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
論文 参考訳（メタデータ） (2024-10-10T12:41:19Z) - FlowBench: Revisiting and Benchmarking Workflow-Guided Planning for LLM-based Agents [64.1759086221016]
ワークフロー誘導計画の最初のベンチマークであるFlowBenchを紹介します。
FlowBenchは6つのドメインから51のシナリオをカバーしている。
以上の結果から,現在のLLMエージェントは良好な計画を立てるためにかなりの改善が必要であることが示唆された。
論文 参考訳（メタデータ） (2024-06-21T06:13:00Z) - CLOMO: Counterfactual Logical Modification with Large Language Models [109.60793869938534]
本稿では,新しいタスク,CLOMO(Counterfactual Logical Modification)と高品質な人間アノテーションベンチマークを紹介する。
このタスクでは、LLMは所定の論理的関係を維持するために、与えられた議論的テキストを順応的に変更しなければなりません。
LLMの自然言語出力を直接評価する革新的な評価指標である自己評価スコア(SES)を提案する。
論文 参考訳（メタデータ） (2023-11-29T08:29:54Z)
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。