論文の概要: Narrow and Deep: An Ontology Tower as the Knowledge of an LLM Agent for an Industrial Equipment System

• arxiv url: http://arxiv.org/abs/2610.11768v1
• Date: Thu, 08 Oct 2026 11:50:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.98921
• Title: Narrow and Deep: An Ontology Tower as the Knowledge of an LLM Agent for an Industrial Equipment System
• Title（参考訳）: 細部・深部:産業機器用LLMエージェントの知識としてのオントロジータワー
• Abstract要約: 産業機器システムには、それぞれについて多くの知識を持ついくつかのエンティティが必要です。 本研究では,知識が2つの方法で深まる単一機器システムの塔を提案する。
• 参考スコア（独自算出の注目度）: 4.225452248917631
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM) agents are beginning to operate industrial energy equipment, and what they get right depends on what they are told about the plant. Established building ontologies name many kinds of points across many sites, whereas an industrial equipment system needs few entities with much knowledge about each. This study proposes the ontology tower, a narrow-and-deep ontology of a single equipment system whose knowledge deepens in two ways: through quantities derived from the measured points by physical relations, and through lessons from the operating journal incorporated as knowledge nodes. On a real low-humidity air-handling test plant operated daily through a programmable logic controller, agents received a text projected from its tower in a preregistered evaluation of nine tasks replayed from the plant's records, using four open-weight models from 9 to about 750 billion parameters. This knowledge raised the rate at which the agents avoided the most plausible misjudgment of each task by about 20 percentage points, and the overall task score of the 9-billion-parameter model as much as that of the largest. Operating lessons were used when incorporated into the tower or placed in the prompt as records, but seldom when left in the journal behind a search tool. In live runs through an invariant safety layer, the agents brought the controlled variable into its target band in 12 of 14 runs. An ontology narrow in entities but deep in what is known about them can thus supply the knowledge that an agent for an industrial equipment system needs.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、産業用エネルギー機器を運用し始めている。 建設オントロジーは、多くの場所で様々な種類のポイントを名付けているが、工業機器システムでは、それぞれについて多くの知識を持つエンティティがほとんど必要としない。 本研究は, 物理的関係によって測定された点から得られる量と, 知識ノードとして組み込まれた操作用ジャーナルからの教訓の2つの方法により, 知識が深まる単一機器システムの細部・深部オントロジーであるオントロジータワーを提案する。 プログラム可能なロジックコントローラを介して毎日運用される実際の低湿度空気処理試験プラントでは、エージェントは、9億から約750億のパラメータの4つのオープンウェイトモデルを使用して、工場の記録から再生された9つのタスクの事前に登録された評価で、塔から投影されたテキストを受信した。 この知識は、エージェントが各タスクの最も確実な誤判断を約20ポイント回避し、9ビリオンパラメーターモデルの全体的なタスクスコアを最大値よりも大きくした。 運用のレッスンは、塔に組み込まれたり、記録としてプロンプトに入れられたりする際に使用されたが、調査ツールの裏にあるジャーナルに残されている場合はほとんどなかった。 ライブで不変の安全層を通り抜けると、エージェントは14ラン中12ランで制御された変数をターゲットバンドに持ち込んだ。 オントロジーは、エンティティが狭いが、その存在を深く理解しているため、産業機器システムのエージェントが必要とする知識を供給できる。

関連論文リスト

• Evaluating Local Language Model Agents for Reproducible Data Engineering: An Empirical Software Engineering Study of Mobility Workflows [74.39138492851343]
  大規模言語モデル(LLM)エージェントは、ソフトウェアやデータエンジニアリングアシスタントとしてますます使われている。 ローカルオープンウェイトエージェントが正しい再現可能なデータエンジニアリングアーティファクトを作成できるかどうかを評価する。
  論文  参考訳（メタデータ） (2026-10-08T08:26:46Z)
• Distilling Agentic Systems: A Roadmap across Models, Artifacts, and Harnesses [65.75252275833421]
  現代のエージェントは記憶、ツール、実行ロジックにますます依存しているため、その能力はモデルパラメータを超えて拡張される。 このシフトは、学生モデルが教師モデルをどのように模倣するかを問う、従来の知識蒸留の限界を明らかにする。 我々は,エージェント蒸留を,教師エージェントから学生エージェントへのタスク解決知識の永続的伝達として定義する。
  論文  参考訳（メタデータ） (2026-09-29T03:38:17Z)
• Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills [86.15447717549154]
  私たちは、スキルを創造し、研究中にそれらを使用する、スキル駆動型研究エージェントであるDisCoを紹介します。 私たちはこの欠落したレイヤの運用知識を、メソッドの知識を機能させるのと分離するノウハウと呼んでいる。
  論文  参考訳（メタデータ） (2026-09-02T15:49:41Z)
• QUEST: Training Frontier Deep Research Agents with Fully Synthetic Tasks [38.454776684977496]
  QUESTは、様々な長距離検索タスクを扱うために設計されたオープンモデルのファミリーである。 本研究では,中等教育,教師付き微調整,強化学習を組み合わせた効果的なトレーニングレシピを提案する。 QUESTには、効果的なロングホライズン推論と知識合成を可能にするコンテキスト管理機構が組み込まれている。
  論文  参考訳（メタデータ） (2026-05-22T20:59:20Z)
• Towards automatic smoke detector inspection: Recognition of the smoke detectors in industrial facilities and preparation for future drone integration [0.0]
  煙探知機は高い天井や問題のある場所のために到達が難しいことが多い。 本研究では,自動検査システムの煙検知部について述べる。 最も高性能な検出器は YOLOv11n であり、平均 mAP@0.5 スコア 0.884 に達する。
  論文  参考訳（メタデータ） (2026-03-25T22:30:43Z)
• Knowledge-Grounded Agentic Large Language Models for Multi-Hazard Understanding from Reconnaissance Reports [14.8590499954111]
  災害後の偵察報告には、マルチハザード相互作用を理解するための重要な証拠が含まれている。 MoRA-RAGは、偵察レポートをマルチハザード推論のための構造化基盤に変換する知識基盤のLLMフレームワークである。 MoRA-RAGは94.5パーセントの精度を達成し、ゼロショットのLLMを30%上回り、最先端のRAGシステムを10%上回っている。
  論文  参考訳（メタデータ） (2025-11-18T00:36:31Z)
• A Tale of LLMs and Induced Small Proxies: Scalable Agents for Knowledge Mining [52.57170634957137]
  Falconerは、大規模言語モデルとスケーラブルな知識マイニングのための軽量プロキシモデルを組み合わせたフレームワークである。 LLMはプランナーとして機能し、ユーザ命令を実行可能なパイプラインに分解し、アノテータとして、小さなプロキシをトレーニングするための監督を生成する。 実験の結果、Falconerは命令追従精度で最先端のLCMと密に一致し、推論コストを最大90%削減した。
  論文  参考訳（メタデータ） (2025-10-01T20:06:48Z)
• Large Language Models as a Tool for Mining Object Knowledge [0.42970700836450487]
  大きな言語モデルは、その答えの根拠の不透明さと、疑問が持たれたときに事実を議論する傾向があるため、信頼できるインテリジェントシステムとして不足する。 本稿では,日常の共通アーティファクトに関する明示的な知識について考察する。 約2,300個のオブジェクトとそのサブタイプの部品や材料に関するデータのリポジトリを作成します。 この知識マイニングへの貢献は、物体の構造と構成に関する推論に関するAI研究に有用であることが証明されるべきである。
  論文  参考訳（メタデータ） (2024-10-16T18:46:02Z)
• Knowledge Distillation: A Survey [87.51063304509067]
  ディープニューラルネットワークは、特にコンピュータビジョンタスクにおいて、産業と学術の両方で成功している。 リソースが限られているデバイスに、これらの面倒なディープモデルをデプロイすることは難しい。 知識蒸留は、大きな教師モデルから小さな学生モデルを効果的に学習する。
  論文  参考訳（メタデータ） (2020-06-09T21:47:17Z)

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。