論文の概要: EvoOntology: A Self-Evolving Ontology Layer for Data Agents
- arxiv url: http://arxiv.org/abs/2609.15779v1
- Date: Mon, 14 Sep 2026 15:59:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.480306
- Title: EvoOntology: A Self-Evolving Ontology Layer for Data Agents
- Title（参考訳）: EvoOntology: データエージェントのための自己進化型オントロジーレイヤ
- Abstract要約: EvoOntologyはデータエージェントのための自己進化型オントロジー層である。
オントロジーをスキーマ層、コンテンツ層、ツール層からなるMPPサーバとしてカプセル化する。
EvoOntologyは、強いベースラインと既存のセマンティック層アプローチを一貫して上回る。
- 参考スコア（独自算出の注目度）: 31.301299551756596
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data agents aim to fulfill natural-language instructions over heterogeneous data, including tables, files, and databases. However, data agents face a challenging agent-data gap: heterogeneous data resides outside the agent, while the agent can access it (e.g., column names and file paths) only through generic tools. Existing approaches either let agents directly explore raw data sources or inject manually constructed semantic layers into prompts. However, neither scales well to large heterogeneous data sources nor adapts to different agent behaviors. In this paper, we introduce EvoOntology, a self-evolving ontology layer for data agents. EvoOntology encapsulates the ontology as an MCP server comprising a schema layer, a content layer, and a tool layer, enabling agents to actively query and interact with the ontology at runtime. To this end, we introduce a builder agent for autonomous ontology construction and a self-evolution loop that continuously refines the ontology through attribution-guided typed edits that are accepted only after a backbone-conditional paired evaluation. Experiments on three well-adopted data-agent benchmarks with four LLM backbones demonstrate that EvoOntology consistently outperforms strong baselines and existing semantic-layer approaches, effectively bridging the agent-data gap and enabling more effective interaction with heterogeneous data. Code: https://github.com/ruc-datalab/EvoOntology
- Abstract（参考訳）: データエージェントは、テーブル、ファイル、データベースを含む異種データに対する自然言語命令を満たすことを目的としている。
異種データはエージェントの外に存在し、エージェントはジェネリックツールを通してのみアクセスすることができる(例えば、列名やファイルパス)。
既存のアプローチでは、エージェントは生のデータソースを直接探索するか、手動で構築されたセマンティックレイヤをプロンプトに注入することができる。
しかし、大きな異種データソースにうまくスケールすることも、異なるエージェントの振る舞いに適応することもできない。
本稿では,データエージェントのための自己進化オントロジー層であるEvoOntologyを紹介する。
EvoOntologyは、オントロジーをスキーマ層、コンテンツ層、ツール層からなるMPPサーバとしてカプセル化し、エージェントが実行時にオントロジーを積極的にクエリし、操作できるようにする。
そこで本研究では,自動オントロジー構築のためのビルダエージェントと,バックボーン条件付きペア評価後にのみ受け入れられる属性誘導型編集により,オントロジーを継続的に洗練する自己進化ループを導入する。
4つのLCMバックボーンを持つ3つのよく評価されたデータエージェントベンチマークの実験は、EvoOntologyが強いベースラインと既存のセマンティック層アプローチを一貫して上回り、エージェントデータギャップを効果的にブリッジし、異種データとのより効果的な相互作用を可能にすることを示した。
コード:https://github.com/ruc-datalab/EvoOntology
関連論文リスト
- What Makes Good Agentic Data? An ACE Lens on Data Generation for LLM Agents [81.23160457293714]
LLMエージェントは、外部環境とのインタラクションの方法を学ぶために、生成されるインタラクションデータにますます依存している。
既存の作業は多くのエージェントドメインにまたがっているが、ドメイン中心の組織と不均一な評価はしばしば共通生成機構を曖昧にしている。
この研究は、この分野のための2段階のフレームワークを開発する。
論文 参考訳（メタデータ） (2026-08-27T15:43:50Z) - ANDES: Agent Native Data Evolving Synthesis Tool for Autonomous Instruction Alignment [9.28566352356072]
Andesは、データ生成をプラグアンドプレイのEmphエージェントスキルとして再定義するフレームワークである。
We demonstrate that Andes improves automated alignment, secure-of-the-art performance on PostTrainBench。
論文 参考訳（メタデータ） (2026-05-31T15:03:50Z) - How to Interpret Agent Behavior [56.59836196946289]
本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。
共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
論文 参考訳（メタデータ） (2026-05-13T14:52:40Z) - DeepXiv-SDK: An Agentic Data Interface for Scientific Literature [60.19264121557117]
DeepXiv-SDKは科学文献のための3層エージェントデータインタフェースである。
DeepXiv-SDKは完全なArXivコーパスをサポートし、毎日同期して新しいリリースを組み込む。
論文 参考訳（メタデータ） (2026-02-14T23:07:28Z) - AgentSkiller: Scaling Generalist Agent Intelligence through Semantically Integrated Cross-Domain Data Synthesis [30.512393568258105]
大規模言語モデルエージェントは、ツールを介して現実世界の問題を解決する可能性を実証するが、汎用的な知性は、質の低い長期データによってボトルネックとなる。
本稿では,現実的なセマンティックなドメイン間でのマルチターンインタラクションデータを合成する,完全に自動化されたフレームワークであるAgentSkillerを提案する。
論文 参考訳（メタデータ） (2026-02-10T03:21:42Z) - Agent Data Protocol: Unifying Datasets for Diverse, Effective Fine-tuning of LLM Agents [85.02904078131682]
本稿では,エージェントデータセット間の"インターリングア"として機能する軽量表現言語であるエージェントデータプロトコル(ADP)を紹介する。
ADPはAPI/ツールの使用、ブラウジング、コーディング、ソフトウェアエンジニアリング、一般的なエージェントなど、さまざまなタスクを捉えるのに十分な表現力を持っている。
すべてのコードとデータが公開され、ADPが標準化され、スケーラブルで再現可能なエージェントトレーニングの障壁を低くすることを期待している。
論文 参考訳（メタデータ） (2025-10-28T17:53:13Z) - A Survey of Data Agents: Emerging Paradigm or Overstated Hype? [66.1526688475023]
現在「データエージェント」は用語的曖昧さと不整合性に悩まされている。
この調査では、データエージェントのための最初の体系的な階層型分類を紹介した。
プロアクティブな生成データエージェントの出現を想定する、先見的なロードマップで締めくくります。
論文 参考訳（メタデータ） (2025-10-27T17:54:07Z) - Transduction is All You Need for Structured Data Workflows [8.178153196011028]
本稿では,構造化データワークフローパイプライン構築のためのエージェント型AIフレームワークであるAgenticsを紹介する。
研究と実践の両方のために設計されたAgenticsは、エージェントがデータタイプに埋め込まれる新しいデータ中心のパラダイムを提供する。
本稿では,本手法の有効性を実証した,構造化データワークフロータスクと実証的エビデンスについて述べる。
論文 参考訳（メタデータ） (2025-08-21T14:35:47Z) - AgenticData: An Agentic Data Analytics System for Heterogeneous Data [12.67277567222908]
AgenticDataはエージェントデータ分析システムで、複数のドメインにまたがるデータソースを自律的に分析しながら、自然言語(NL)の質問に反応することができる。
本稿では,関連するデータを発見するためのデータプロファイリングエージェント,フィードバックに基づく反復最適化のためのセマンティッククロスバリデーションエージェント,短期文脈を維持するためのスマートメモリエージェントを利用するマルチエージェント協調戦略を提案する。
論文 参考訳（メタデータ） (2025-08-07T03:33:59Z) - Agentic AI framework for End-to-End Medical Data Inference [5.871161259593687]
我々は、摂取から推論まで、臨床データパイプライン全体を自動化するエージェントAIフレームワークを導入する。
本システムは, 高齢者, 緩和ケア, 大腸内視鏡検査から入手可能なデータセットを用いて評価した。
論文 参考訳（メタデータ） (2025-07-24T05:56:25Z) - Unsupervised Domain Adaptive Learning via Synthetic Data for Person
Re-identification [101.1886788396803]
人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。
残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。
本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
論文 参考訳（メタデータ） (2021-09-12T15:51:41Z)
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。