論文の概要: Valhalla: A Layered Knowledge-State and Service-Governance Framework for Long-Term Scientific Knowledge Work

• arxiv url: http://arxiv.org/abs/2608.15193v1
• Date: Sat, 15 Aug 2026 12:21:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.219188
• Title: Valhalla: A Layered Knowledge-State and Service-Governance Framework for Long-Term Scientific Knowledge Work
• Title（参考訳）: Valhalla: 長期的な科学的知識作業のための階層化された知識状態とサービスガバナンスフレームワーク
• Abstract要約: 本稿では,長期科学的知識研究のための階層型知識状態およびサービスガバナンスフレームワークであるValhallaについて述べる。 Valhallaはフラットグラフを階層化カプセル化と安定したセマンティック境界で置き換える。 本稿では,Valhallaのプロトタイプを実装し,知識摂取,クロスメンバ統合,科学書記支援について検証する。
• 参考スコア（独自算出の注目度）: 6.90268867410204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As large language model (LLM) agents are increasingly adopted in scientific research, external knowledge bases, knowledge graphs, and long-term memory have improved information retrieval and task continuity. However, most structured knowledge systems remain node-centric, representing files, concepts, results, and judgments as nodes and relations in a graph. While suitable for personal knowledge management, such structures often depend on individual organizational practices, limiting knowledge sharing, integration, and reorganization across users. This paper presents Valhalla, a layered knowledge-state and service-governance framework for long-term scientific knowledge work. Valhalla replaces flat graphs with layered encapsulation and stable semantic boundaries through a five-layer File-Resource-Entity-Relationship-Graph (FREG) model. File and Resource preserve source identity and provenance, Entity represents knowledge objects, Relationship captures semantic judgments, and Graph provides task-oriented knowledge views, enabling knowledge states from different researchers to be exchanged and reorganized under a unified structure. We further introduce a Router-Contract-Workflow service-governance architecture, inspired by the microkernel paradigm, to constrain how language models access, modify, and extend knowledge states while maintaining structural consistency and auditable operational boundaries. We implement a Valhalla prototype and validate knowledge ingestion, cross-member integration, and scientific writing support through an antibody-design review task comprising 26 paper resources, 80 knowledge entities, and 92 semantic relations. Rather than proposing a new knowledge-extraction algorithm, Valhalla offers a paradigm for organizing collaborative scientific knowledge, transforming individualized knowledge structures into transferable and reorganizable shared knowledge states.
• Abstract（参考訳）: 大きな言語モデル(LLM)エージェントが科学研究にますます採用されるにつれて、外部知識ベース、知識グラフ、長期記憶は情報検索とタスク継続性を改善した。 しかし、ほとんどの構造化知識システムはノード中心であり、ファイル、概念、結果、判断をノードとグラフの関係として表現している。 個人的知識管理には適しているが、そのような構造はしばしば個々の組織的プラクティスに依存し、知識共有、統合、ユーザ間の再編成を制限している。 本稿では,長期科学的知識研究のための階層型知識状態およびサービスガバナンスフレームワークであるValhallaについて述べる。 Valhallaは5レイヤのFile-Resource-Entity-Relationship-Graph(FREG)モデルを通じて、フラットグラフを階層化カプセル化と安定したセマンティック境界に置き換える。 ファイルとリソースはソースのアイデンティティと証明を保持し、エンティティは知識オブジェクトを表し、リレーションは意味的な判断を捉え、グラフはタスク指向の知識ビューを提供し、異なる研究者の知識状態を統一された構造の下で交換し再編成することを可能にする。 さらに、マイクロカーネルパラダイムにインスパイアされた、構造的一貫性と監査可能な運用境界を維持しながら、言語モデルがどのように知識状態にアクセス、変更、拡張するかを制約するルータ・コントラクション・ワークフロー・ガバナンスアーキテクチャを導入します。 我々はValhallaのプロトタイプを実装し,26の紙資源,80の知識エンティティ,92のセマンティック関係からなる抗体設計レビュータスクを通じて,知識摂取,クロスメンバ統合,科学的執筆支援を検証した。 Valhallaは、新しい知識抽出アルゴリズムを提案するのではなく、協調的な科学的知識を組織化するためのパラダイムを提供し、個別化された知識構造を伝達可能で再編成可能な共有知識状態に変換する。

関連論文リスト

• Knowledge-Centric Information Systems [0.0]
  本稿では、企業人工知能(AI)システムが、組織的知識を表現、維持、管理、運用するためのアーキテクチャ分野への移行を示唆する。 我々は、管理単位がレコードから知識アーティファクトへ移行する際に、古典的なデータエンジニアリング保証をどのように再定義しなければならないかを示す概念モデルと分類を提供する。 中心的な主張は、組織的知識が受動的情報資源に終止符を打つと、知識アーキテクチャが有用になり、人間、エージェント、モデルが作業を実行するために使用する運用資産となることである。
  論文  参考訳（メタデータ） (2026-07-01T15:05:40Z)
• MindTrellis: Co-Creating Knowledge Structures with AI through Interactive Visual Exploration [19.586529329374716]
  我々は、ユーザとAIが協調して動的知識グラフを構築するインタラクティブなビジュアルシステムであるMindTrellisを紹介する。 ユーザはグラフをクエリして、ドキュメントのグラウンド情報を取得し、新しい概念を導入し、関係を変更し、階層を再編成して、開発する理解を反映することでコントリビュートすることができる。 12人の参加者がスライドデッキを作成したユーザスタディにおいて、MindTrellisは、コンテンツカバレッジと構造的品質の専門的な評価によって測定された、知識組織と認知的負荷の検索専用ベースラインを上回った。
  論文  参考訳（メタデータ） (2026-04-25T03:53:26Z)
• Knowledge Homophily in Large Language Models [75.12297135039776]
  大規模言語モデル(LLM)における類似知識のホモフィリパターンについて検討する。 我々は LLM の知識を三重項レベルと実体レベルの両方の知識チェックを通じてグラフ表現にマッピングする。 このホモフィリ原理により、三重項の実体レベルの知識度スコアを推定するグラフニューラルネットワーク(GNN)回帰モデルを提案する。
  論文  参考訳（メタデータ） (2025-09-28T09:40:27Z)
• Contextualized Structural Self-supervised Learning for Ontology Matching [0.9402105308876642]
  我々はLaKERMapと呼ばれる新しい自己教師型学習フレームワークを導入する。 LaKERMapは暗黙の知識をトランスフォーマーに統合することで、概念の文脈的および構造的情報を活用する。 我々の革新的なアプローチから得られた知見は、LaKERMapがアライメント品質と推論時間で最先端のシステムを上回っていることを示している。
  論文  参考訳（メタデータ） (2023-10-05T18:51:33Z)
• KGLM: Integrating Knowledge Graph Structure in Language Models for Link Prediction [0.0]
  我々は、異なるエンティティと関係型を区別することを学ぶ新しいエンティティ/リレーション埋め込み層を導入する。 知識グラフから抽出したトリプルを用いて、この追加埋め込み層を用いて言語モデルをさらに事前学習し、続いて標準微調整フェーズにより、ベンチマークデータセット上のリンク予測タスクに対して、新しい最先端のパフォーマンスが設定されることを示す。
  論文  参考訳（メタデータ） (2022-11-04T20:38:12Z)
• Joint Language Semantic and Structure Embedding for Knowledge Graph Completion [66.15933600765835]
  本稿では,知識三重項の自然言語記述と構造情報とを共同で組み込むことを提案する。 本手法は,学習済み言語モデルを微調整することで,完了作業のための知識グラフを埋め込む。 各種知識グラフベンチマーク実験により,本手法の最先端性能を実証した。
  論文  参考訳（メタデータ） (2022-09-19T02:41:02Z)
• Towards a Universal Continuous Knowledge Base [49.95342223987143]
  複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。 テキスト分類実験は有望な結果を示す。 我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
  論文  参考訳（メタデータ） (2020-12-25T12:27:44Z)
• JAKET: Joint Pre-training of Knowledge Graph and Language Understanding [73.43768772121985]
  本稿では,知識グラフと言語の両方をモデル化する新しい事前学習フレームワークであるJAKETを提案する。 知識モジュールと言語モジュールは相互に支援するための重要な情報を提供する。 我々の設計により、事前学習されたモデルは、新しいドメインの見知らぬ知識グラフに容易に適応できる。
  論文  参考訳（メタデータ） (2020-10-02T05:53:36Z)
• CoLAKE: Contextualized Language and Knowledge Embedding [81.90416952762803]
  文脈型言語と知識埋め込み(CoLAKE)を提案する。 CoLAKEは、言語と知識の両方の文脈化された表現を、拡張された目的によって共同で学習する。 知識駆動タスク、知識探索タスク、言語理解タスクについて実験を行う。
  論文  参考訳（メタデータ） (2020-10-01T11:39:32Z)
• Automated Relational Meta-learning [95.02216511235191]
  本稿では,クロスタスク関係を自動的に抽出し,メタ知識グラフを構築する自動リレーショナルメタ学習フレームワークを提案する。 我々は,2次元玩具の回帰と少数ショット画像分類に関する広範な実験を行い,ARMLが最先端のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-01-03T07:02:25Z)

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。