論文の概要: Scientific Data Skills: Enabling Agent-Ready Scientific Data Services at Scale
- arxiv url: http://arxiv.org/abs/2608.19625v1
- Date: Thu, 20 Aug 2026 04:25:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.450974
- Title: Scientific Data Skills: Enabling Agent-Ready Scientific Data Services at Scale
- Title（参考訳）: 科学データスキル - エージェント対応の科学データサービスを大規模に活用する
- Abstract要約: 我々は、データセット固有の知識を再利用可能なエージェントスキルとしてパッケージ化するエージェント対応表現であるSciDSK(SciDSK)を紹介する。
SciDSKは、データセットの記述、科学的なコンテキスト、ファイルの整理、使用手順、品質チェック、証明情報を統合し、基盤となるデータを元のリポジトリに保持する。
- 参考スコア（独自算出の注目度）: 35.75308955448423
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scientific data are increasingly used by AI agents, yet existing dataset representations provide limited support for autonomous discovery, interpretation, and invocation. This limitation stems from the fragmentation of scientific data across heterogeneous repositories and from dataset representations designed primarily for human use. To address this limitation, we introduce the Scientific Data Skill (SciDSK), an agent-ready representation that packages dataset-specific knowledge and operational guidance as a reusable agent skill. A SciDSK integrates dataset descriptions, scientific context, file organization, usage procedures, quality checks, and provenance information while retaining the underlying data in its original repository. We define a structured SciDSK specification and develop a systematic construction pipeline that grounds each SciDSK in authoritative dataset records and associated supporting materials. We further establish the Scientific Data Skill Bank, a unified platform that publishes SciDSK resources across six scientific disciplines and supports package access, persistent identification, and traceability to source datasets. We evaluate SciDSK through a retrieval benchmark for dataset discovery and controlled cases for dataset interpretation. The results show that SciDSK improves agent-driven dataset discovery and provides more precise and actionable support for dataset interpretation. These findings support the value of organizing dataset-specific knowledge in an agent-ready representation.
- Abstract（参考訳）: 科学データはAIエージェントによってますます利用されているが、既存のデータセット表現は、自律的な発見、解釈、呼び出しを限定的にサポートする。
この制限は、異種リポジトリにまたがる科学データの断片化と、主に人間の使用のために設計されたデータセット表現に起因している。
この制限に対処するために、SciDSK(SciDSK)というエージェント対応の表現を導入し、データセット固有の知識と運用指導を再利用可能なエージェントスキルとしてパッケージ化する。
SciDSKは、データセットの記述、科学的なコンテキスト、ファイルの整理、使用手順、品質チェック、証明情報を統合し、基盤となるデータを元のリポジトリに保持する。
構造化されたSciDSK仕様を定義し、各SciDSKを信頼できるデータセット記録と関連する支援材料に基盤とするシステム構築パイプラインを開発する。
我々はさらに、SciDSKリソースを6つの科学分野にわたって公開し、パッケージアクセス、永続的な識別、ソースデータセットへのトレーサビリティをサポートする統一プラットフォームであるScientific Data Skill Bankを確立します。
我々は,データセット発見のための検索ベンチマークと,データセット解釈のための制御ケースを用いて,SciDSKを評価する。
その結果、SciDSKはエージェント駆動型データセット発見を改善し、より正確で実用的なデータセット解釈のサポートを提供することがわかった。
これらの知見は、エージェント対応表現におけるデータセット固有の知識の編成の価値を支持する。
関連論文リスト
- Regulatory compliance-readiness in the AI Supply Chain: examining datasets in Hugging Face [3.401200772945481]
多数のデータセットがHugging Face (HF)を通じて利用可能になっている。
これらのデータセットは、HF経由で利用可能な、膨大な数のAIモデルをトレーニングするために使用される。
これらのデータセットがデータプライバシのプラクティスに従わない場合、AIサプライチェーンには規制上の問題が発生する可能性がある。
論文 参考訳（メタデータ） (2026-07-03T13:27:34Z) - 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) - OpenDataArena: A Fair and Open Arena for Benchmarking Post-Training Dataset Value [74.80873109856563]
OpenDataArena(ODA)は、トレーニング後のデータの本質的な価値をベンチマークするために設計された、総合的でオープンなプラットフォームである。
ODAは4つの主要な柱からなる包括的なエコシステムを確立している。 (i) 多様なモデル間で公平でオープンな比較を保証する統一的なトレーニング評価パイプライン、 (ii) 異なる軸数に沿ってデータ品質をプロファイリングする多次元スコアリングフレームワーク、 (iii) データセットの系図を視覚化してコンポーネントソースを識別するインタラクティブなデータ系統探索である。
論文 参考訳（メタデータ） (2025-12-16T03:33:24Z) - InferA: A Smart Assistant for Cosmological Ensemble Data [0.5130440339897478]
InferAは、スケーラブルで効率的な科学的データ分析を可能にするマルチエージェントシステムである。
アーキテクチャの中核は、データ検索と分析の異なるフェーズに責任を持つ専門エージェントのチームを編成するスーパーバイザーエージェントである。
本フレームワークのユーザビリティを示すため,複数のテラバイトからなるHACC宇宙論シミュレーションから,アンサンブルランを用いたシステムの評価を行った。
論文 参考訳（メタデータ） (2025-10-14T18:47:22Z) - Autonomous Data Agents: A New Opportunity for Smart Data [50.02229219403014]
DataAgentsは、自律的なデータから知識システムへのパラダイムシフトを表している、とReportは主張する。
DataAgentsは、複雑で非構造化されたデータをコヒーレントで行動可能な知識に変換する。
エージェントAIとデータ・トゥ・ナレッジシステムの収束が重要なトレンドとなっている理由を最初に検討する。
論文 参考訳（メタデータ） (2025-09-23T06:46:41Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - ScIRGen: Synthesize Realistic and Large-Scale RAG Dataset for Scientific Research [15.983924435685553]
我々は科学的なQAと検索のためのデータセット生成フレームワークであるScrirGenを開発した。
私たちはこれを使って、現実的なクエリ、データセット、論文を備えた大規模科学的検索強化世代(RAG)データセットを作成します。
論文 参考訳（メタデータ） (2025-06-09T11:47:13Z) - DSAI: Unbiased and Interpretable Latent Feature Extraction for Data-Centric AI [24.349800949355465]
大規模言語モデル(LLM)は、大きなデータセットの潜在特性を客観的に識別するのにしばしば苦労する。
本研究では,非バイアスで解釈可能な特徴抽出を可能にするフレームワークであるData Scientist AI(DSAI)を提案する。
論文 参考訳（メタデータ） (2024-12-09T08:47:05Z) - SciER: An Entity and Relation Extraction Dataset for Datasets, Methods, and Tasks in Scientific Documents [49.54155332262579]
我々は,科学論文のデータセット,メソッド,タスクに関連するエンティティに対して,新たなエンティティと関係抽出データセットをリリースする。
我々のデータセットには、24k以上のエンティティと12kの関係を持つ106の注釈付きフルテキストの科学出版物が含まれています。
論文 参考訳（メタデータ） (2024-10-28T15:56:49Z) - KGLiDS: A Platform for Semantic Abstraction, Linking, and Automation of Data Science [4.120803087965204]
本稿では、機械学習と知識グラフ技術を用いて、データサイエンスアーティファクトのセマンティクスとその接続を抽象化し、キャプチャするスケーラブルなプラットフォームKGLiDSを提案する。
この情報に基づいて、KGLiDSはデータディスカバリやパイプライン自動化など、さまざまなダウンストリームアプリケーションを可能にする。
論文 参考訳（メタデータ） (2023-03-03T20:31:04Z)
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。