論文の概要: Workflow Cards: Structured Summaries of Workflow Executions Using Provenance Data
- arxiv url: http://arxiv.org/abs/2608.11022v1
- Date: Tue, 11 Aug 2026 15:02:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:46.09596
- Title: Workflow Cards: Structured Summaries of Workflow Executions Using Provenance Data
- Title（参考訳）: ワークフローカード - Provenance Dataを使用したワークフロー実行の構造化サマリ
- Abstract要約: Cards: ワークフロー実行の実績データを人間と大規模言語モデル(LLM)の両方が読み出し分析できる形式にまとめる構造的な要約について紹介する。
まず、モデルとデータカードから欠落した実行レベルデータから表わされる先入観的質問の代表的な集合に通知されるカードテンプレートを定義する。
第2に、スキーマベースのインターフェースを通じてデータベースをクエリするのと比較して、LCMがワークフローの実行を理解するのにいかに効果的かを評価する。
- 参考スコア（独自算出の注目度）: 0.01747587497184724
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Model Cards and Data Cards have demonstrated the value of structured, human-readable documentation for machine learning artifacts, capturing their context, parameters, limitations, and intended use. However, these practices remain focused on static artifacts (the datasets and trained models themselves) while overlooking the workflow executions that produce, transform, and evaluate them. Such executions hold critical details about data preparation, parameter choice, runtime behavior, resource use, and intermediate transformations, precisely where bias, performance variation, and reproducibility gaps tend to originate. To close this gap, we introduce Workflow Cards: structured summaries that condense the machine-readable provenance data of a workflow execution into a form both humans and large language models (LLMs) can read and analyze. This paper has two main parts. First, it defines a Workflow Card template informed by a representative set of provenance questions that surface from the execution-level data missing from Model and Data Cards. Second, it evaluates how effectively LLMs use Workflow Cards to understand workflow executions compared with querying provenance databases through a schema-based interface. Results show that Workflow Cards provide execution-level information absent from existing card types, such as Model Cards and Data Cards, thereby filling an important documentation gap; and that Workflow Cards nearly double answer quality compared with schema-based querying, consistently across LLM-as-a-Judge and human assessments.
- Abstract（参考訳）: モデルカードとデータカードは、機械学習アーティファクトのための構造化された、人間可読なドキュメントの価値を示し、それらのコンテキスト、パラメータ、制限、意図された使用をキャプチャした。
しかしながら、これらのプラクティスは、静的アーティファクト(データセットとトレーニング済みモデル自身)に焦点を合わせながら、それらを生成し、変換し、評価するワークフローの実行を見下ろしています。
このような実行には、データ準備、パラメータの選択、実行時の動作、リソース使用、中間変換に関する重要な詳細が含まれています。
このギャップを埋めるために、我々はWorkflow Cardsを紹介します: ワークフロー実行のマシン可読な証明データを人間と大規模言語モデル(LLM)の両方が読み出し分析できる形式にまとめる構造化要約。
この論文には2つの主要な部分がある。
まず、モデルとデータカードから欠落した実行レベルデータから表される前例の質問の代表セットによって通知されるワークフローカードテンプレートを定義する。
第二に、LLMがワークフロー実行を理解するのにワークフローカードをいかに効果的に使っているかを評価する。
その結果、Workflow Cardは、モデルカードやデータカードのような既存のカードタイプにはない実行レベル情報を提供しており、重要なドキュメントギャップを埋めている。
関連論文リスト
- FlowScout: From Execution Feedback to Reliable Tool-Using Agent Workflows [6.767792769288717]
FlowScoutは、過去のタスク解決レコードからツール統合エージェントを生成するための実行誘導フレームワークである。
最初に、最初のワークフローを構築するために、歴史的な記録から共通のツール調整をマイニングする。
その後、実行フィードバックによってガイドされたMonte Carloツリー検索を通じてワークフロートポロジを洗練する。
論文 参考訳（メタデータ） (2026-08-10T08:41:59Z) - 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) - From Static Templates to Dynamic Runtime Graphs: A Survey of Workflow Optimization for LLM Agents [39.457720579458]
大規模言語モデル(LLM)ベースのシステムは、タスクの解決に人気が高まっている。
本稿では,そのような計算を設計・最適化するための最近の手法について概観する。
論文 参考訳（メタデータ） (2026-03-23T17:42:59Z) - Leveraging Machine Learning and Enhanced Parallelism Detection for BPMN Model Generation from Text [75.77648333476776]
本稿では、テキストからBPMNモデルを抽出する自動パイプラインについて紹介する。
この研究の重要な貢献は、新たに注釈付けされたデータセットの導入である。
モデルトレーニング用の32のパラレルゲートウェイを含む15の注釈付き文書でデータセットを増強する。
論文 参考訳（メタデータ） (2025-07-11T07:25:55Z) - AutoDCWorkflow: LLM-based Data Cleaning Workflow Auto-Generation and Benchmark [2.742398444005189]
データクリーニングを自動的に生成するLLMベースのパイプラインであるAutoDCWorkflowを提案する。
パイプラインは生のテーブルとデータ分析の目的を持ち、OpenRefine操作のシーケンスを生成して、最小限のクリーンなテーブルを生成する。
6つの操作は、フォーマットの不整合、型エラー、重複など、一般的なデータ品質の問題に対応する。
論文 参考訳（メタデータ） (2024-12-09T18:13:27Z) - WorkflowLLM: Enhancing Workflow Orchestration Capability of Large Language Models [105.46456444315693]
ワークフローオーケストレーションにおける大規模言語モデルの能力を高めるための,データ中心のフレームワークであるLLMを提案する。
最初は106,763のサンプルで大規模な微調整Benchを構築し、28のカテゴリにわたる83のアプリケーションから1,503のAPIをカバーしている。
LlamaLlamaは複雑なAPIをオーケストレーションする能力を示しながら、優れた一般化性能を実現している。
論文 参考訳（メタデータ） (2024-11-08T09:58:02Z) - 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) - ComfyGen: Prompt-Adaptive Workflows for Text-to-Image Generation [87.39861573270173]
本稿では,各ユーザプロンプトに自動的にワークフローをカスタマイズすることを目的とする,プロンプト適応型ワークフロー生成の新しいタスクを紹介する。
本稿では,この課題に対処する2つの LLM ベースの手法を提案する。ユーザ・参照データから学習するチューニングベース手法と,既存のフローを選択するために LLM を使用するトレーニングフリー手法である。
本研究は,現場における既存研究の方向性を補完し,テキスト・画像生成の品質向上のための新たな経路を提供することを示す。
論文 参考訳（メタデータ） (2024-10-02T16:43:24Z) - TableLLM: Enabling Tabular Data Manipulation by LLMs in Real Office Usage Scenarios [51.66718740300016]
TableLLMは80億のパラメータを持つ堅牢な大規模言語モデル(LLM)である。
TableLLMはデータ操作タスクを巧みに扱うために構築されている。
我々は、ユーザインタラクションのためのモデルチェックポイント、ソースコード、ベンチマーク、Webアプリケーションをリリースした。
論文 参考訳（メタデータ） (2024-03-28T11:21:12Z) - Bellamy: Reusing Performance Models for Distributed Dataflow Jobs Across
Contexts [52.9168275057997]
本稿では、スケールアウト、データセットサイズ、ランタイムをデータフロージョブの記述的特性と組み合わせた新しいモデリング手法であるBelamyを提案する。
我々は,異なる環境で実行される各種データフロージョブの実行データからなる2つの公開データセットに対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-07-29T11:57:38Z)
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。