論文の概要: Multi-Agent Discovery and Resource-Aware Autonomous Exploration of Scientific Datasets
- arxiv url: http://arxiv.org/abs/2608.22045v1
- Date: Sat, 22 Aug 2026 17:16:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 18:24:36.942985
- Title: Multi-Agent Discovery and Resource-Aware Autonomous Exploration of Scientific Datasets
- Title（参考訳）: 科学データセットのマルチエージェント発見と資源を考慮した自律探査
- Abstract要約: WebVisusは、リモートでマルチ解像度の科学データセットを発見し、自律的に探索するための制約付きリソース対応マルチエージェントシステムである。
自然言語研究の質問を受けて、WebVisusはユーザの意図を特定し、自律的な探索エージェントを起動する。
本稿では, システムアーキテクチャ, 制約されたエージェントプロトコル, リソース認識アクセス機構, および, 自律的な視覚探索とリソース認識エージェントアクセスを評価するケーススタディについて報告する。
- 参考スコア（独自算出の注目度）: 5.767700537183031
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern scientific facilities and instruments generate datasets at scales that are difficult for individual researchers to discover, access, and explore. Although many datasets are publicly available, using them often requires familiarity with repository organization, data formats, multiresolution structures, and visualization parameters. We present WebVisus, a constrained and resource-aware multi-agent system for discovering and autonomously exploring remote, multiresolution scientific datasets. Given a natural-language research question, WebVisus identifies the user's intent and launches an autonomous exploration agent that examines slices, volumes, and timesteps while adapting data resolution and retrieval quality to available client memory and computational resources. This design supports progressive exploration without complete dataset downloads or manual configuration of low-level visualization parameters using natural languages. We report the system architecture, constrained agent protocol, resource-aware access mechanism, and case studies evaluating autonomous visual exploration and resource-aware agentic access across scientific datasets.
- Abstract（参考訳）: 現代の科学施設や機器は、個々の研究者が発見し、アクセスし、探索することが難しい規模でデータセットを生成する。
多くのデータセットが公開されているが、リポジトリの組織、データフォーマット、マルチレゾリューション構造、視覚化パラメータに精通する必要があることが多い。
WebVisusは制約付き、リソースを意識したマルチエージェントシステムで、リモートでマルチ解像度の科学データセットを発見し、自律的に探索する。
WebVisusは、自然言語研究の疑問から、ユーザの意図を特定し、スライス、ボリューム、タイムステップを調べながら、利用可能なクライアントメモリと計算リソースにデータ解像度と検索品質を適用しながら、自律的な探索エージェントを起動する。
この設計は、データセットの完全なダウンロードや、自然言語を用いた低レベルな可視化パラメータのマニュアル設定なしに、プログレッシブな探索をサポートする。
本稿では, システムアーキテクチャ, 制約されたエージェントプロトコル, リソース認識アクセス機構, および, 自律的な視覚探索とリソース認識エージェントアクセスを評価するケーススタディについて報告する。
関連論文リスト
- More with Less: a Large Scale Remote Sensing VLM with a Simple Recipe [52.210953881548996]
遠隔センシングベンチマークに挑戦することで,視覚言語モデルが競争力や最先端のパフォーマンスを達成可能であることを示す。
我々のモデルは、テキストで直接答えるか、セグメント化とグラウンド化のためにローカライズツールを呼び出すことができる単一の言語ポリシーを使用する。
提案手法は,高分解能,マルチテンポラル,マルチモーダル,マルチビュータスクを含む,幅広いベンチマークの競合性を実現する。
論文 参考訳（メタデータ） (2026-07-17T13:25:44Z) - Towards Intelligent Geospatial Data Discovery: a knowledge graph-driven multi-agent framework powered by large language models [0.49157446832511503]
本研究では,知的地理空間データ探索のための知識グラフ駆動型マルチエージェントフレームワークを提案する。
その結果,従来のシステムと比較して,意図マッチングの精度,ランキング品質,リコール,発見の透明性が大幅に向上していることがわかった。
論文 参考訳（メタデータ） (2026-03-21T06:16:56Z) - Understanding Usage and Engagement in AI-Powered Scientific Research Tools: The Asta Interaction Dataset [47.98539809308384]
我々は,20万以上のユーザクエリとインタラクションログからなる大規模リソースであるAsta Interactionデータセットを分析した。
クエリパターン、エンゲージメントの振る舞い、使用方法のエクスペリエンスによる進化を特徴付けます。
我々は、匿名化されたデータセットと分析を新しいクエリ分類でリリースし、現実世界のAI研究アシスタントの将来の設計を知らせる。
論文 参考訳（メタデータ） (2026-02-26T18:40:28Z) - Enterprise Deep Research: Steerable Multi-Agent Deep Research for Enterprise Analytics [75.4712507893024]
Enterprise Deep Research (EDR)は、適応的なクエリ分解のためのマスタープランニングエージェントを統合するマルチエージェントシステムである。
4つの専門的な検索エージェント(General, Academic, GitHub, LinkedIn)と、データ駆動インサイトのための可視化エージェントも含まれている。
EDRは、オプショナル・イン・ザ・ループ・ステアリング・ガイダンスによる研究の方向性を反映する。
論文 参考訳（メタデータ） (2025-10-20T17:55:11Z) - From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。
静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。
我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
論文 参考訳（メタデータ） (2025-06-23T17:27:19Z) - 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) - A Survey on Remote Sensing Foundation Models: From Vision to Multimodality [35.532200523631765]
リモートセンシングのための視覚とマルチモーダル基礎モデルは、インテリジェントな地理空間データ解釈能力を大幅に向上させた。
データタイプの多様性、大規模アノテートデータセットの必要性、マルチモーダル融合技術の複雑さは、これらのモデルの効果的なデプロイに重大な障害をもたらす。
本稿では、リモートセンシングのための最先端のビジョンモデルとマルチモーダル基礎モデルについて、アーキテクチャ、トレーニング方法、データセット、アプリケーションシナリオに焦点をあててレビューする。
論文 参考訳（メタデータ） (2025-03-28T01:57:35Z) - Making Sense of Data in the Wild: Data Analysis Automation at Scale [0.1747623282473278]
本稿では,インテリジェントエージェントと検索拡張生成を組み合わせることで,データ解析,データセットキュレーション,インデックス作成を大規模に自動化する手法を提案する。
提案手法により,より詳細なデータセット記述,より高いヒット率,データセット検索タスクの多様性が得られた。
論文 参考訳（メタデータ） (2025-01-27T10:04:10Z) - Survey of Large Multimodal Model Datasets, Application Categories and Taxonomy [2.294223504228228]
人工知能の急速に発展する分野であるマルチモーダル学習は、より汎用的で堅牢なシステムの構築を目指している。
多くの感覚を通じて情報を同化する人間の能力に触発され、テキストからビデオへの変換、視覚的質問応答、画像キャプションなどの応用が可能となる。
マルチモーダル言語モデル(MLLM)をサポートするデータセットの最近の発展について概説する。
論文 参考訳（メタデータ） (2024-12-23T18:15:19Z) - DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。
我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。
私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
論文 参考訳（メタデータ） (2024-07-01T18:58:22Z) - Automated Requirements Relation Extraction [4.110571395660999]
本章は、自然言語に基づく関係抽出の分野における理論的・実践的基礎について、明確な視点を提供することを目的とする。
まず、最も一般的な要求関係型を含む分野における最も関連性の高い文献に基づいて、要求関係の基礎について述べる。
章の中核は、(i)均衡関係の識別と分類のための自然言語技術(syntactic vs. semantic techniques)と(ii)関係抽出作業のための情報抽出方法の2つのセクションから構成される。
論文 参考訳（メタデータ） (2024-01-22T16:14:27Z)
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。