論文の概要: AquiLLM: An Architecture for Supporting Tacit Knowledge Capture in Research Groups
- arxiv url: http://arxiv.org/abs/2608.08883v1
- Date: Sun, 09 Aug 2026 19:45:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.985103
- Title: AquiLLM: An Architecture for Supporting Tacit Knowledge Capture in Research Groups
- Title（参考訳）: AquiLLM:研究グループにおける暗黙の知識獲得を支援するアーキテクチャ
- Abstract要約: AquiLLM はオープンウェイトモデルを用いたオープンソースのモジュール RAG-LLM フレームワークとして開発された。
我々は、AquiLLMに一連のアーキテクチャ改善と機能拡張を提示する。
これらの拡張は、宇宙物理学者や環境研究者を含むドメインの専門家との議論によって知らされた。
- 参考スコア（独自算出の注目度）: 2.8724679538984694
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in retrieval-augmented generation (RAG) and large language models (LLMs) enable researchers to integrate AI into scientific workflows. However, using proprietary commercial AI systems raises concerns about transparency, reproducibility and privacy, which are essential for scientific practices. To this end, AquiLLM was developed as an open-source modular RAG-LLM framework using open-weight models, designed to support research groups in capturing tacit knowledge. In this work, we present a series of architectural improvements and feature enhancements to AquiLLM, including local embedding and reranking, multimodal capabilities, OpenAI-compatible inference interfaces, user interface improvements, semantic and episodic memory capabilities, and skills support. These enhancements were informed by discussions with domain experts, including astrophysicists and environmental researchers, and represent a step toward AI systems more closely aligned with scientific research practices.
- Abstract（参考訳）: 検索強化世代(RAG)と大規模言語モデル(LLM)の最近の進歩により、研究者はAIを科学ワークフローに統合することができる。
しかし、プロプライエタリな商用AIシステムを使用することで、透明性や再現性、プライバシに関する懸念が高まる。
この目的のために、AquiLLMはオープンウェイトモデルを用いたオープンソースのモジュール型RAG-LLMフレームワークとして開発された。
本稿では,AquiLLMのアーキテクチャ改善と機能強化について紹介する。ローカル埋め込みとリグレード,マルチモーダル機能,OpenAI互換推論インターフェース,ユーザインターフェースの改善,セマンティックメモリとエピソードメモリの機能,スキルサポートなどだ。
これらの拡張は、宇宙物理学者や環境研究者を含むドメインの専門家との議論によって知らされ、科学研究の実践とより緊密に一致したAIシステムへの一歩として表現された。
関連論文リスト
- SHAPR: Operationalising Human-AI Collaborative Research Through Structured Knowledge Generation [0.0]
SHAPRは、人間中心の意思決定とAI支援機能を統合する研究ソフトウェア開発のためのフレームワークである。
本稿では,AIを活用した研究実践における構造的,トレース可能,知識生成的アプローチとしての運用に焦点を当てる。
論文 参考訳（メタデータ） (2026-03-26T17:14:39Z) - Accelerating Scientific Research with Gemini: Case Studies and Common Techniques [105.15622072347811]
大規模言語モデル(LLM)は、科学研究を加速するための新たな道を開いた。
先進的なAIモデルとどのように協力したかを示すケーススタディのコレクションを提示する。
論文 参考訳（メタデータ） (2026-02-03T18:56:17Z) - Towards AI-Supported Research: a Vision of the TIB AIssistant [6.36260975777314]
我々は、領域に依存しない人間と機械の協調プラットフォームであるTIB AIsistantのビジョンを提示する。
提案手法の有効性と潜在的な影響を実証する早期プロトタイプのコンセプトフレームワーク,システムアーキテクチャ,実装について述べる。
論文 参考訳（メタデータ） (2025-12-18T12:08:46Z) - Cross-Disciplinary Knowledge Retrieval and Synthesis: A Compound AI Architecture for Scientific Discovery [1.5143261755366868]
BioSageは、LLMをRAGと統合した新しい複合AIアーキテクチャで、AI、データサイエンス、バイオメディカル、バイオセキュリティドメインにわたる発見を可能にするために、特殊なエージェントとツールを編成した。
本システムでは,クエリ計画と応答合成を備えた検索エージェントを含む,複数の特殊エージェントを特徴とし,引用支援型応答を持つドメイン間の知識検索を実現する。
我々の研究は、チャート、表、構造化された科学データに対するマルチモーダル検索と推論に重点を置いており、また、クロスディシプリナ発見のための総合的なマルチモーダルベンチマークも開発している。
論文 参考訳（メタデータ） (2025-11-23T05:33:11Z) - AI for Better UX in Computer-Aided Engineering: Is Academia Catching Up with Industry Demands? A Multivocal Literature Review [3.5213888068272183]
Computer-Aided Engineering (CAE)は、シミュレーションの専門家が複雑なモデルを最適化することを可能にするが、効率とアクセシビリティを制限するユーザエクスペリエンス(UX)の課題に直面している。
人工知能(AI)はCAEプロセスを強化する可能性を実証しているが、これらの分野とUXに焦点を当てた研究はいまだに断片化されている。
本稿では,CAEソフトウェアにおけるAIのUX向上に関する多言語文献レビュー(MLR)について,学術研究と産業実装の両面で検討する。
論文 参考訳（メタデータ） (2025-07-22T13:39:45Z) - A Comprehensive Survey of Deep Research: Systems, Methodologies, and Applications [3.002468101812191]
2023年以降に登場した80以上の商用および非商用実装を分析します。
本稿では,4つの基本的技術的側面に基づいてシステムを分類する新しい階層型分類法を提案する。
私たちの分析は、現在の実装の重要な機能と、それらがもたらす技術的、倫理的課題の両方を明らかにします。
論文 参考訳（メタデータ） (2025-06-14T18:19:05Z) - Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。
ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。
LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
論文 参考訳（メタデータ） (2025-05-03T14:21:48Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。
本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。
私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
論文 参考訳（メタデータ） (2025-03-27T12:50:17Z) - A Comprehensive Survey on Integrating Large Language Models with Knowledge-Based Methods [4.686190098233778]
大規模言語モデル(LLM)は構造化知識ベースシステムと統合することができる。
本稿では, LLMと知識基盤の関係を調査し, 実際に適用できる方法について検討し, 技術的, 運用的, 倫理的課題について考察する。
これは、データコンテキスト化、モデル精度、知識リソースの利用に関する構造化知識ベースシステムに生成AIを組み込むことの利点を示す。
論文 参考訳（メタデータ） (2025-01-19T23:25:21Z) - Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる
この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。
本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
論文 参考訳（メタデータ） (2024-07-17T20:01:21Z) - A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models [71.25225058845324]
大規模言語モデル(LLM)は、言語理解と生成において革命的な能力を示している。
Retrieval-Augmented Generation (RAG)は、信頼性と最新の外部知識を提供する。
RA-LLMは、モデルの内部知識に頼るのではなく、外部および権威的な知識ベースを活用するために登場した。
論文 参考訳（メタデータ） (2024-05-10T02:48:45Z)
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。