論文の概要: LLMCrater: Lifecycle-Aware FAIR Metadata Generation using Large Language Models
- arxiv url: http://arxiv.org/abs/2608.23158v1
- Date: Mon, 24 Aug 2026 12:06:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 18:24:36.999871
- Title: LLMCrater: Lifecycle-Aware FAIR Metadata Generation using Large Language Models
- Title（参考訳）: LLMCrater:大規模言語モデルを用いたライフサイクル対応FAIRメタデータ生成
- Abstract要約: ライフサイクルを意識したメタデータ生成フレームワークであるemphLLMCraterを提案する。
不均一なアーティファクトからメタデータを自動的に抽出し、マシン操作可能なRO-Cratesを生成し、検証し、FAIRリポジトリやPIDサービスへのパブリッシュをサポートする。
本稿では,SLICES-RI内の5G実験環境と,GreenDIGITのEcoJupyterプラットフォーム上での実験を行う。
- 参考スコア（独自算出の注目度）: 2.8978926857710263
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: FAIR (Findable, Accessible, Interoperable, and Reusable) metadata is essential for the discovery, interoperability, and reuse of scientific research assets. However, creating and maintaining FAIR metadata remains largely manual, making the process time-consuming for heterogeneous research artifacts generated throughout the research lifecycle. Existing approaches primarily generate metadata at publication time, missing opportunities to capture contextual information as it becomes available. To address this limitation, we present \emph{LLMCrater}, a lifecycle-aware metadata generation framework that combines Large Language Models (LLMs) with stage-specific RO-Crate metadata profiles. The framework progressively enriches metadata across four research lifecycle stages (Design, Development, Deployment, and Execution \& Provenance) while remaining compatible with RO-Crate~1.1 and EOSC metadata recommendations. It automatically extracts metadata from heterogeneous artifacts, generates and validates machine-actionable RO-Crates, and supports publication to FAIR repositories and PID services (e.g., Zenodo). We demonstrate the approach using two representative use cases: a 5G experimentation environment within SLICES-RI and an experiment on GreenDIGIT's EcoJupyter platform. Results show that LLMCrater progressively enriches metadata throughout the research lifecycle and generates valid RO-Crates conforming to the RO-Crate~1.1 specification.
- Abstract（参考訳）: FAIR(Findable, Accessible, Interoperable, Reusable)メタデータは、科学研究資産の発見、相互運用、再利用に不可欠である。
しかし、FAIRメタデータの作成とメンテナンスは大半が手作業であり、研究ライフサイクルを通じて生成される異質な研究成果物のプロセスに時間がかかる。
既存のアプローチは、主に公開時にメタデータを生成し、利用可能なコンテキスト情報をキャプチャする機会を欠く。
この制限に対処するために,大規模言語モデル (LLM) とステージ固有のRO-Crateメタデータプロファイルを組み合わせたライフサイクル対応メタデータ生成フレームワークである \emph{LLMCrater} を提案する。
このフレームワークは、RO-Crate~1.1およびEOSCメタデータレコメンデーションと互換性を維持しながら、4つの研究ライフサイクル段階(設計、開発、デプロイ、実行)でメタデータを段階的に強化する。
不均一なアーティファクトからメタデータを自動的に抽出し、マシン操作可能なRO-Cratesを生成し、検証し、FAIRリポジトリやPIDサービス(Zenodoなど)へのパブリッシュをサポートする。
本稿では,SLICES-RI内の5G実験環境と,GreenDIGITのEcoJupyterプラットフォーム上での実験を行う。
その結果、LLMCraterは研究ライフサイクルを通じてメタデータを徐々に豊かにし、RO-Crate~1.1仕様に準拠した有効なRO-Cratesを生成することがわかった。
関連論文リスト
- Structure-Aware RAG: Structured Retrieval Augmented Generation from Noisy Data for Conversational Agents [68.52563127206808]
SA-RAG(Structure-aware Retrieval Augmented Generation)は、テーブルを中間構造表現として使用して、コンパクトで制御可能なインターフェースを提供する。
メタデータの正規化と有効性をモデル化する品質対応のテーブルメタデータ生成フレームワークを提案する。
2つのノイズの多い実世界のデータセットの実験は、SA-RAGが既存のRAGベースラインを大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2026-05-23T03:07:33Z) - The Reproducible Research Platform establishes a unified open science environment bridging data and software lifecycles across disciplines, from proposal to publication [0.0]
我々は、オープンソースのReproducible Research Platform(RRP)を開発し、バージョン管理されたコンテナ化された計算環境と研究データ管理を統合する。
RRPは、誰でも手作業による検索やプラットフォーム固有のセットアップなしで、フルドキュメントのFAIRリサーチを実行、再利用、公開することができる。
10年以上にわたる研究を含む様々な研究の結果を再現し、持続的なユーザビリティを示すことにより、RPの影響を実証する。
論文 参考訳（メタデータ） (2025-12-04T22:02:19Z) - Metadata-Driven Retrieval-Augmented Generation for Financial Question Answering [0.0]
文脈的にリッチなドキュメントチャンクを作成するための高度なインデックスパイプラインを導入します。
我々は、検索前フィルタリング、検索後再ランク付け、エンリッチな埋め込みなど、さまざまな拡張のスペクトルをベンチマークする。
提案する最適アーキテクチャは、LLM駆動の事前検索最適化とコンテキスト埋め込みを組み合わせることで、優れた性能を実現する。
論文 参考訳（メタデータ） (2025-10-28T13:16:36Z) - MeXtract: Light-Weight Metadata Extraction from Scientific Papers [48.73595915402094]
本稿では,科学論文からのメタデータ抽出を目的とした軽量言語モデルであるMeXtractを紹介する。
MeXtractはMOLEベンチマークでメタデータ抽出の最先端性能を達成する。
研究コミュニティのために、すべてのコード、データセット、モデルを公開しています。
論文 参考訳（メタデータ） (2025-10-08T11:12:28Z) - Flexible metadata harvesting for ecology using large language models [3.4117490081172774]
大規模言語モデル(LLM)に基づくメタデータ抽出装置を開発した。
任意のデータセットのランディングページからメタデータを柔軟に抽出する。
既存のメタデータ標準を使用して、これらをユーザ定義の統一フォーマットに変換する。
論文 参考訳（メタデータ） (2025-08-21T10:10:29Z) - SMECS: A Software Metadata Extraction and Curation Software [0.0]
メタデータは研究ソフトウェアにFAIR原則を採用する上で重要な役割を担い、発見性と再利用性を実現する。
我々は,既存のソースからメタデータを抽出するソフトウェアメタデータ抽出・キュレーションソフトウェア(SMECS)と,メタデータキュレーションのためのユーザフレンドリーなインターフェースを融合したソフトウェアメタデータ抽出・キュレーションソフトウェアを開発した。
SMECSはGitHubなどのオンラインリポジトリからメタデータを抽出し、インタラクティブなインターフェースを通じて研究者に提示し、CodeMetaファイルとしてさらなるキュレーションとエクスポートを行う。
論文 参考訳（メタデータ） (2025-07-24T07:53:46Z) - MOLE: Metadata Extraction and Validation in Scientific Papers Using LLMs [48.73595915402094]
MOLEは、アラビア語以外の言語のデータセットをカバーする科学論文からメタデータ属性を自動的に抽出するフレームワークである。
本手法では,複数の入力形式にまたがって文書全体を処理し,一貫した出力に対する堅牢な検証機構を組み込む。
論文 参考訳（メタデータ） (2025-05-26T10:31:26Z) - Procedural Environment Generation for Tool-Use Agents [55.10427063893754]
我々はRandomWorldを紹介した。これは対話型ツールと合成ツール利用データの手続き的生成のためのパイプラインである。
我々は,SFTとRLによるRandomWorldの合成データによるモデル調整により,様々なツール使用ベンチマークが改良されたことを示す。
論文 参考訳（メタデータ） (2025-05-21T14:10:06Z) - 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) - TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。
本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文 参考訳（メタデータ） (2023-05-19T10:11:21Z)
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。