論文の概要: AdaLens: Interactive Storyline for Monitoring and Steering Long-Running Agentic Data Analysis
- arxiv url: http://arxiv.org/abs/2608.17834v1
- Date: Tue, 18 Aug 2026 14:34:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.367259
- Title: AdaLens: Interactive Storyline for Monitoring and Steering Long-Running Agentic Data Analysis
- Title（参考訳）: AdaLens: 長期的なエージェントデータ分析の監視とステアリングのためのインタラクティブなストーリーライン
- Abstract要約: AdaLensはモニタリングとステアリングを行う対話型システムである。
AdaLensは、分析計画、実行進捗、中間的な発見、ステアリングインタラクションへのデータカラムの関与を統一するストーリーラインベースの表現を組み合わせる。
- 参考スコア（独自算出の注目度）: 28.736158395746994
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models are pushing data science toward increasingly autonomous and agentic workflows, with recent systems already supporting multi-step and long-running analyses. As these workflows become more autonomous, conventional interfaces no longer provide adequate support for two critical requirements: observability for understanding an agent's evolving reasoning and evidence, and steerability for redirecting low-value directions or deepening promising ones during execution. Existing interactive approaches improve process visibility and open intervention points, but they remain largely designed for discrete, turn-by-turn exchanges rather than the parallel branches and evolving decision structures of long-running agentic analysis. We study this need as interactive oversight in long-running agentic data analysis and present AdaLens, an interactive system for monitoring and steering ongoing runs. AdaLens combines a storyline-based representation that unifies analytical plans, execution progress, intermediate findings, and data-column involvement with steering interactions grounded in these analytical elements for directional guidance and execution control. We evaluate AdaLens through two case studies and a user study, examining how it supports analysts in monitoring and steering long-running agentic data analysis.
- Abstract（参考訳）: 大規模言語モデルは、データサイエンスをますます自律的でエージェント的なワークフローへと押し上げている。
これらのワークフローがより自律的になるにつれて、従来のインターフェースは、エージェントの進化する推論と証拠を理解するための可観測性、低価値な方向をリダイレクトしたり、実行中に有望なものを深めたりするステアビリティという、2つの重要な要件に対する適切なサポートを提供しなくなった。
既存の対話的なアプローチは、プロセスの可視性とオープンな介入点を改善するが、それらは、並列ブランチではなく、個別のターンバイターンの交換と、長期にわたるエージェント分析の進化的な決定構造のために設計されている。
本研究では、長期にわたるエージェントデータ分析における対話的監視の必要性と、現在進行中の実行を監視するインタラクティブシステムであるAdaLensについて検討する。
AdaLensは、分析計画、実行進捗、中間的な発見、そしてこれらの分析要素に根ざしたステアリングインタラクションへのデータカラムの関与を統合化して、方向性誘導と実行制御を行うストーリーラインベースの表現を組み合わせる。
我々はAdaLensを2つのケーススタディとユーザスタディを通じて評価し、長期にわたるエージェントデータ分析の監視とステアリングにおけるアナリストのサポートについて検討した。
関連論文リスト
- Exploring the Semantic Gap in Agentic Data Systems: A Formative Study of Operationalization Failures in Analytical Workflows [4.267594643533591]
本稿では,エージェント生成分析概念における動作不良に関するクロスドメイン形式研究について述べる。
分析の結果, 比較基盤化, プロセス推論, 定量的推論, 役割混乱, 政策基盤化の5段階が得られた。
これらの結果は、ユーザレベルの分析概念とワークフロー生成システムで利用可能な情報とのセマンティックなギャップを示唆している。
論文 参考訳（メタデータ） (2026-07-01T11:49:50Z) - Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。
既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。
この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
論文 参考訳（メタデータ） (2026-05-14T14:36:13Z) - Learning to Retrieve from Agent Trajectories [72.8923565916533]
我々はエージェント間相互作用データから直接エージェント探索のための検索モデルを訓練すべきであると主張している。
エージェント・トラジェクトリからの学習を新たな訓練パラダイムとして導入し,マルチステップエージェントのインタラクションから指導を導出する。
本研究は,エージェント探索時代における検索の方向性を示すとともに,エージェントトラジェクトリを実用的でスケーラブルな監視源として強調するものである。
論文 参考訳（メタデータ） (2026-03-30T17:59:02Z) - AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts [78.33143446024485]
我々は、横方向思考パズルに基づく環境ロールアウトによるエージェントの評価を行うtextbfAgentLongBenchを紹介した。
このフレームワークは、知識集約的で知識のないシナリオにまたがる厳密な相互作用の軌跡を生成する。
論文 参考訳（メタデータ） (2026-01-28T16:05:44Z) - I2I-STRADA -- Information to Insights via Structured Reasoning Agent for Data Analysis [0.0]
現実世界のデータ分析には一貫した認知ワークフローが必要です。
この推論プロセスの形式化を目的としたエージェントアーキテクチャであるI2I-STRADAを紹介する。
論文 参考訳（メタデータ） (2025-07-23T18:58:42Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - SocialMOIF: Multi-Order Intention Fusion for Pedestrian Trajectory Prediction [21.780343024406285]
SocialMOIFはこれらの課題に対処するために提案されており、近隣グループ間の高次の意図的相互作用に集中している。
SocialMOIF内では、軌道分布近似器が軌道を実際のデータとより密に整合する値へと導くように設計されている。
より正確で効率的な並列予測を可能にするために、グローバルな軌道が導入された。
論文 参考訳（メタデータ） (2025-04-22T06:14:49Z) - InterChat: Enhancing Generative Visual Analytics using Multimodal Interactions [22.007942964950217]
視覚要素の直接操作と自然言語入力を組み合わせた生成的視覚分析システムであるInterChatを開発した。
この統合により、正確なインテント通信が可能になり、プログレッシブで視覚的に駆動された探索データ分析をサポートする。
論文 参考訳（メタデータ） (2025-03-06T05:35:19Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z)
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。