Fugu-MT 論文翻訳(概要): Nutrition Data Infrastructure for the AI Era: Operationalizing FAIR for Agent-Mediated Research

論文の概要: Nutrition Data Infrastructure for the AI Era: Operationalizing FAIR for Agent-Mediated Research

arxiv url: http://arxiv.org/abs/2608.10363v2
Date: Wed, 12 Aug 2026 21:36:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-14 14:00:09.642703
Title: Nutrition Data Infrastructure for the AI Era: Operationalizing FAIR for Agent-Mediated Research
Title（参考訳）: AI時代の栄養データ基盤:エージェント媒介研究のためのFAIRの運用
Authors: Lin Liao, Peng Li,
Abstract要約: 自動使用のためのFAIRを運用するソース保存インフラであるNutrition Data Service (NDS)について述べる。食品記述ベンチマークでは、NutriBench上で最も優れた言語モデル結果を上回っている。 NDS入力はモデルと繰り返し実行間で同一の出力を生成するが、オープンウェブ再構成は不安定である。
参考スコア（独自算出の注目度）: 3.2800662172795114
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: AI agents can accelerate nutrition research, but their analyses inherit the identity, semantic, and release ambiguities of the underlying data. We present Nutrition Data Service (NDS), source-preserving infrastructure that operationalizes FAIR for automated use: description resolution makes release-specific records findable; typed crosswalks connect independently released resources; machine-readable interfaces expose versioned sources and crosswalks, supporting replayable and auditable analyses. On food-description benchmarks, NDS outperforms the best published language-model result on NutriBench. External and blinded crosswalk evaluations show that its typed contract favors defensible links and rejects unsupported mappings. In a person-level glycemic-index analysis, pinned NDS inputs produce identical outputs across models and repeated runs, while open-web reconstruction remains unstable. Together, these results show that agent-mediated nutrition research requires a new infrastructure that makes data identity, search, and crosswalk policy explicit.
Abstract（参考訳）: AIエージェントは栄養研究を加速するが、その分析は基礎となるデータのアイデンティティ、セマンティクス、リリースの曖昧さを継承する。我々は、自動使用のためにFAIRを運用するソース保存インフラストラクチャであるNutrition Data Service (NDS)について紹介する。説明解決によってリリース固有のレコードが検出可能になり、型付きクロスウォークは独立にリリースされたリソースと接続でき、マシン可読インターフェースはバージョン付きソースとクロスウォークを公開し、再生可能および監査可能な分析をサポートする。食品記述ベンチマークでは、NutriBench上で最も優れた言語モデル結果を上回っている。外部および盲目の横断歩道の評価は、その型付き契約が防御可能なリンクと拒否可能なマッピングを好んでいることを示している。人レベルのグリセミック・インデックス分析では、ピン付きNDS入力はモデル間で同一の出力を生成し、繰り返し実行し、オープンウェブの再構築は不安定である。これらの結果は、エージェントによる栄養研究は、データアイデンティティ、検索、横断歩道ポリシーを明確にする新しいインフラを必要とすることを示している。

関連論文リスト

Unsupervised Skill Discovery for Agentic Data Analysis [55.42853694128929]
DataCOPEは、データ分析エージェントのための教師なし検証対象のスキル発見フレームワークである。トラジェクトリ生成のためのデータ分析エージェント、信号抽出のための教師なし検証器、および対照的なスキル蒸留のためのスキルマネージャを反復的にコーディネートする。我々は,Deep Data Researchのレポートスタイル分析とDABStepの推論スタイル解析についてDataCOPEを評価した。
論文参考訳（メタデータ） (2026-06-04T17:20:47Z)
From Detection to Response: A Deep Learning and Retrieval-Augmented Generation Framework for Network Intrusion Mitigation [0.7136933021609079]
本稿では,脅威検出と行動応答のギャップを埋める統一的なエンドツーエンドフレームワークを提案する。まず、独立に訓練された3つのバイナリディープニューラルネットワーク(DNN)のアンサンブルで、ネットワークトラフィックフローをBenign, Denial of Service(DoS)またはDistributed Denial of Service(DDoS)に分類する。第2に、Retrieval-Augmented Generation (RAG)パイプラインは、トップ5の異常な機能から説明対応プロンプトを構築する。
論文参考訳（メタデータ） (2026-05-18T07:17:55Z)
AI-Supervisor: Autonomous AI Research Supervision via a Persistent Research World Model [1.14219428942199]
既存の自動研究システムは、ステートレスでリニアなパイプラインとして動作する。マルチエージェントオーケストレーションフレームワークである textbfAI-Supervisor を提案する。エージェントは、人間の関心によって駆動されるエンドツーエンドのAI研究の監督を提供する。
論文参考訳（メタデータ） (2026-03-25T15:16:51Z)
iAgentBench: Benchmarking Sensemaking Capabilities of Information-Seeking Agents on High-Traffic Topics [9.25340189071758]
iAgentBenchは,クロスソース・センスメイキングのための動的ODQAベンチマークである。 iAgentBenchは、現実世界の注目信号からシードトピックを抽出し、共通のユーザ意図パターンを使用して、ユーザライクな質問を構築する。各インスタンスには、トレース可能なエビデンスと、汚染チェックをサポートする監査可能な中間アーティファクトが付属している。
論文参考訳（メタデータ） (2026-03-04T22:40:08Z)
AgentIR: Reasoning-Aware Retrieval for Deep Research Agents [76.29382561831105]
ディープリサーチエージェントは、各検索の前に明示的な自然言語推論を生成する。 Reasoning-Aware Retrievalは、クエリと一緒にエージェントの推論トレースを埋め込む。 DR-Synthは、標準的なQAデータセットからDeep Researchレトリバーのトレーニングデータを生成する。 AgentIR-4Bは、オープンウェイトエージェントであるTongyi-DeepResearchで68%の精度を達成する。
論文参考訳（メタデータ） (2026-03-04T18:47:26Z)
Hallucination-Resistant, Domain-Specific Research Assistant with Self-Evaluation and Vector-Grounded Retrieval [0.0]
RA-FSMはGPTベースの研究アシスタントであり、有限状態制御ループで生成をラップする。コントローラはスコープ外クエリをフィルタリングし、応答可能性を評価し、質問を分解し、必要なときにのみ検索をトリガーする。本稿では,フォトニクスのためのシステムを実装し,解析的推論,数値解析,方法論的批判,比較合成,事実抽出,アプリケーション設計の6つのカテゴリで評価する。
論文参考訳（メタデータ） (2025-09-25T21:35:46Z)
DatasetResearch: Benchmarking Agent Systems for Demand-Driven Dataset Discovery [26.388978716803464]
AIエージェントは、通常の検索を超越して、特定のユーザ要求を満たすデータセットを体系的に検出できるだろうか? 我々のベンチマークと包括的な分析は、次世代の自己改善型AIシステムの基礎を提供する。
論文参考訳（メタデータ） (2025-08-09T12:15:08Z)
Building Interpretable and Reliable Open Information Retriever for New Domains Overnight [67.03842581848299]
情報検索は、オープンドメイン質問応答(QA)など、多くのダウンストリームタスクにとって重要な要素である。本稿では、エンティティ/イベントリンクモデルとクエリ分解モデルを用いて、クエリの異なる情報単位により正確にフォーカスする情報検索パイプラインを提案する。より解釈可能で信頼性が高いが,提案したパイプラインは,5つのIRおよびQAベンチマークにおける通過カバレッジと記述精度を大幅に向上することを示す。
論文参考訳（メタデータ） (2023-08-09T07:47:17Z)
SAIS: Supervising and Augmenting Intermediate Steps for Document-Level Relation Extraction [51.27558374091491]
本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
論文参考訳（メタデータ） (2021-09-24T17:37:35Z)

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。