論文の概要: From Plausible Hierarchies to Useful Taxonomies: Evaluating Agentic Harnesses on Customer Feedback

• arxiv url: http://arxiv.org/abs/2610.09377v1
• Date: Wed, 07 Oct 2026 03:32:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.697771
• Title: From Plausible Hierarchies to Useful Taxonomies: Evaluating Agentic Harnesses on Customer Feedback
• Title（参考訳）: ヒエラルキーから有用な分類学へ:顧客フィードバックに対するエージェント・ハーネスの評価
• Abstract要約: 分類学は、AIシステムが証拠を整理し、パターンを集約し、大きな文書コレクションに関する質問に答える象徴的な表現である。 顧客のフィードバックによって、カテゴリツリーは、どのレコードがカウントされ、ルートされるか、どの問題が見られ、どのチームがそれを所有しているかを決定する。 エージェントハーネスにより、プラウチブルな階層を生成するのが簡単になった。
• 参考スコア（独自算出の注目度）: 0.4806505912512235
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Taxonomies are the symbolic representations through which AI systems organize evidence, aggregate patterns, and answer questions over large document collections. Over customer feedback, the category tree decides how every record is counted and routed, which problems get seen, and which team owns them. Agentic harnesses now make it easy to generate a plausible-looking hierarchy, and such trees are checked today with generic, individually scoped checks: each name fits its description, sits under the right parent, and stays distinct from its siblings. We ask a more operational question: when is a generated hierarchy actually useful as a production taxonomy? We build six taxonomies over two proprietary feedback corpora (1,940 and 5,000 records): for each corpus, a production reference and two repeated runs of the same harness under identical inputs. All six pass every generic naming and structure check, and a deeper product-coverage check even prefers the generated trees. Yet in every generated tree at least 97.7% of leaf names merely restate an ancestor's name (13.9% and 2.9% in the references), and in one, three of every four records fall under multiple top-level categories. We introduce two families of whole-tree metrics: structural discriminators test whether a tree's shape was learned from the data or imposed by its generator; team partitionability tests whether branches split feedback into groups teams can own. Trees the generic checks rate as equally correct differ by 27 percentage points in cross-branch leakage, and only one of the two beats a random split. Surface plausibility is an insufficient measure of taxonomy quality: evaluation must measure the whole tree as well as each node.
• Abstract（参考訳）: 分類学は、AIシステムが証拠を整理し、パターンを集約し、大きな文書コレクションに関する質問に答える象徴的な表現である。 顧客のフィードバックによって、カテゴリツリーは、どのレコードがカウントされ、ルートされるか、どの問題が見られ、どのチームがそれを所有しているかを決定する。 エージェントハーネスは、プラウチブルな階層を生成するのが簡単になった。このようなツリーは、今日、一般的な、個別にスコープされたチェックでチェックされる。 生成した階層が実際に生産分類として役に立つのはいつですか? 2つのプロプライエタリなフィードバックコーパス (1,940 と 5,000 レコード) の上に6つの分類体系を構築します。 6つともすべてのジェネリックな命名と構造チェックをパスし、より深い製品カバレッジチェックは生成された木を優先します。 しかし、発生したすべての木では、少なくとも97.7%の葉名は、祖先の名前(参照の13.9%と2.9%)を復元するだけであり、4つのレコードのうち3つは、複数のトップレベルに分類される。 構造判別器は、データから木の形が学習されたか、ジェネレータによって課されたかをテストする。 ツリーの一般的なチェックレートは、クロスブランチリーク時の27パーセントの差があり、2つのうち1つだけがランダムに分割される。 表面の可視性は分類学的品質の不十分な尺度である: 評価は各ノードと同様に木全体を測定する必要がある。

関連論文リスト

• Same Feedback, Different Answer: Measuring Run-to-Run Instability in Frontier-Model Customer Feedback Analysis [0.4806505912512235]
  本稿では,意味論的に等価なカテゴリを整理し,テーマチャーンとボリューム不一致という2つの操作指標に焦点を当てた繰り返し実行評価フレームワークを提案する。 8つのフロンティアモデル,100～5000レコードのコーパスサイズ,複数プロンプト,3つの実行設計の3つの繰り返し顧客フィードバックタスクを評価した。 Claude Opus 4.8と1000レコードコーパスの固定により、TGAは生発生と階層分解の両方に対して86～88%のテーマチャーンを減少させる。
  論文  参考訳（メタデータ） (2026-10-06T09:29:25Z)
• Curate Before You Connect: Identity and Ontology Tagging in a Production Knowledge Graph [0.0]
  本稿では、評価された抽出ストリームを知識グラフに変換する、摂取層とオントロジータグ付け層について述べる。 本稿では、識別子列、名前列、表示名、型スコープ位置から同一性を決定するレコード識別はしごについて述べる。 グラフの適合性負債を定量化し, 未定義の一次クラスを補う二次分類を示し, 775人の決定に対して48,403人の提案を保留するキュレーションキューを記述した。
  論文  参考訳（メタデータ） (2026-08-11T08:30:37Z)
• VecTree-RAG: An Agentic Retrieval-Augmented Generation Framework Combining Vector and Tree Retrieval for Efficiency and Accuracy [1.7944454238144063]
  VecTree-RAGは、これらのタスクを補完的な検索機構に割り当てるエージェントフレームワークである。 VecTree-RAGは3つのベンチマークで最も高い結果を得た。 VecTree-RAGは、科学文献質問応答のための構造対応でトレーサブルなアーキテクチャを提供する。
  論文  参考訳（メタデータ） (2026-07-25T02:50:05Z)
• Learning Order Forest for Qualitative-Attribute Data Clustering [52.612779710298526]
  本稿では,属性内定性値間の局所的な順序関係を柔軟に表現する木のような距離構造を探索する。 より適切な木構造とクラスタを反復的に獲得するために,共同学習機構を提案する。 実験により、共同学習は森林をクラスタリングタスクに適応させ、正確な結果を得ることを示した。
  論文  参考訳（メタデータ） (2026-03-03T07:49:50Z)
• ProtInvTree: Deliberate Protein Inverse Folding with Reward-guided Tree Search [77.55575655986252]
  ProtInvTreeはタンパク質逆フォールディングのための報酬誘導ツリー検索フレームワークである。 シークエンス生成は、意図的に、ステップワイズな意思決定プロセスとして再構成される。 検索深度と幅を広げて、再トレーニングすることなく、フレキシブルなテストタイムスケーリングをサポートする。
  論文  参考訳（メタデータ） (2025-06-01T09:34:20Z)
• ReTreever: Tree-based Coarse-to-Fine Representations for Retrieval [64.44265315244579]
  そこで本研究では,様々なレベルで参照文書を整理し,表現するためのツリーベース手法を提案する。 我々の手法はReTreeverと呼ばれ、クエリと参照ドキュメントが同様のツリーブランチに割り当てられるように、バイナリツリーの内部ノード毎のルーティング関数を共同で学習する。 我々の評価では、ReTreeverは一般的に完全な表現精度を保っている。
  論文  参考訳（メタデータ） (2025-02-11T21:35:13Z)
• RLET: A Reinforcement Learning Based Approach for Explainable QA with Entailment Trees [47.745218107037786]
  本稿では,強化学習に基づくEntailment Tree生成フレームワークであるRLETを提案する。 RLETは文の選択と推論生成モジュールによる単一ステップ推論を反復的に行う。 EntailmentBankデータセットの3つの設定の実験では、RLフレームワークを使用することの強みが示されている。
  論文  参考訳（メタデータ） (2022-10-31T06:45:05Z)
• Controlling the False Split Rate in Tree-Based Aggregation [11.226095593522691]
  木に基づくアグリゲーションのための仮説テストアルゴリズムを提案する。 木に基づく集約の2つの主要な例に焦点をあてる。1つは集約手段と、もう1つは回帰係数の集約を含む。
  論文  参考訳（メタデータ） (2021-08-11T17:59:22Z)
• Exemplars can Reciprocate Principal Components [0.0]
  Category Treesは、カテゴリタイプに分岐して機能しないツリー構造を生成するクラスタリングメソッドである。 この理論はポルトガル森林火災データセットをケーススタディとして用いたものである。
  論文  参考訳（メタデータ） (2021-03-22T12:46:29Z)
• Visualizing hierarchies in scRNA-seq data using a density tree-biased autoencoder [50.591267188664666]
  本研究では,高次元scRNA-seqデータから意味のある木構造を同定する手法を提案する。 次に、低次元空間におけるデータのツリー構造を強調する木バイアスオートエンコーダDTAEを紹介する。
  論文  参考訳（メタデータ） (2021-02-11T08:48:48Z)
• SGA: A Robust Algorithm for Partial Recovery of Tree-Structured Graphical Models with Noisy Samples [75.32013242448151]
  ノードからの観測が独立しているが非識別的に分散ノイズによって破損した場合、Ising Treeモデルの学習を検討する。 Katiyarら。 (2020) は, 正確な木構造は復元できないが, 部分木構造を復元できることを示した。 統計的に堅牢な部分木回復アルゴリズムであるSymmetrized Geometric Averaging(SGA)を提案する。
  論文  参考訳（メタデータ） (2021-01-22T01:57:35Z)

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。