論文の概要: An AI Factory for Technology Education: An Agentic Pipeline with Closed Loop Audience Feedback
- arxiv url: http://arxiv.org/abs/2610.31875v1
- Date: Thu, 22 Oct 2026 20:07:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.283426
- Title: An AI Factory for Technology Education: An Agentic Pipeline with Closed Loop Audience Feedback
- Title(参考訳): テクノロジー教育のためのAIファクトリ - 閉ループ聴取フィードバックを備えたエージェントパイプライン
- Abstract要約: 本稿では,インストラクショナルコンテンツ生産を製造プロセスとして扱う,型付きグラフとして編成されたエージェントパイプラインについて述べる。
コンテンツの作成は、ビデオとコミュニティソースから構築され、トピックの選択と登録を形作る需要層と、発行されたすべてのオーディエンスに遡らなければならない権限層という2つの層に分けられる。
5ヶ月の継続的運用期間を経て、デプロイされたシステムは26のドキュメント化されたガイドを週に約1.5時間のオペレータ時間で公開し、フィードバックループは4つの測定可能なエンゲージメント効果を識別し、その後の実行のバインディングルールとなった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Technology tools used for professional upskilling change on a timescale of weeks, and written guidance about them ages at the same pace. Large language models have made it inexpensive to draft a tutorial or a course outline, but most deployed generation systems still produce a piece of content once and never check it against what an audience actually does with it. This paper describes an agentic pipeline, organized as a typed workflow graph, that treats instructional content production as a manufacturing process with explicit checkpoints rather than a single generation call. Four node classes structure the graph: deterministic scripts, model steps bound to a fixed rubric, open-ended agent phases, and human approval gates, arranged along a forward production path and closed by a feedback cycle that rewrites generation rules from post level engagement telemetry. Production of content is split into two layers: a demand layer, built from video and community sources, that shapes topic selection and register, and an authority layer, built from official documentation, that every published claim must trace back to. Over five months of continuous operation, the deployed system published 26 documented guides at roughly 1.5 hours of operator time per week, and the feedback loop identified four measurable engagement effects that became binding rules for later runs, including a hook style that outperformed baseline by a factor of 1.83 in its first analysis window.
- Abstract(参考訳): 技術ツールは、数週間のタイムスケールで専門的なスキルアップのために使用され、同じペースで彼らの年齢に関するガイダンスを書いています。
大規模な言語モデルは、チュートリアルやコース概要の草案作成を安くするが、ほとんどのデプロイされた生成システムは、一度だけコンテンツを生成し、観客が実際にそれで何をしているかを決してチェックしない。
本稿では,一世代呼び出しではなく,明示的なチェックポイントを用いて,命令的コンテンツ生成を製造プロセスとして扱う,型付きワークフローグラフとして編成されたエージェントパイプラインについて述べる。
グラフを構成する4つのノードクラス:決定論的スクリプト、固定されたルーリックにバインドされたモデルステップ、オープンエンドエージェントフェーズ、人間の承認ゲート。
コンテンツの生成は、ビデオとコミュニティソースから構築された要求層、トピックの選択と登録を形作る権限層、および公式ドキュメントから構築された権限層という2つの層に分けられる。
5ヶ月の継続的運用期間を経て、26のドキュメント化されたガイドを週1.5時間程度で公開し、フィードバックループは4つの測定可能なエンゲージメント効果を識別し、最初の分析ウィンドウでは1.83倍の差でベースラインを上回るフックスタイルを含む後続の動作のバインディングルールとなった。
関連論文リスト
- Better Call CineCrew: Consistent Ultra-Long Narrative-to-Film Generation [53.27387848819395]
ロングフォーム・ナラティブ・トゥ・フィルム生成にはショットレベルの制御性とクロスクリップの整合性が必要である。
本稿では,フィルム指向のスクリプト・ビデオ生成のための構造化オーケストレーション層を提案する。
論文 参考訳(メタデータ) (2026-09-07T16:33:14Z) - Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。
ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
論文 参考訳(メタデータ) (2026-09-04T23:32:11Z) - FRAGMENT: Factorized Graph Representations for Document Generation and Editing via Entity-Aware Transformations [0.0]
ピクセルやトークンレベルで動作している生成モデルは、しばしば空間レイアウト、テキストコンテンツ、論理構造依存を効果的に捉えるのに苦労する。
我々は、文書を型付き関係グラフとして表現し、その分布を p(structure, content) = p(structure) * p(content | structure) として分解する生成フレームワーク FRAGMENT を探索する。
DocLayNet、FUNSD、SROIEの実験では、FRAGMENTを代表的自己回帰、レイアウトのみ、グラフベースのベースラインとともに評価している。
論文 参考訳(メタデータ) (2026-08-19T08:29:19Z) - Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework [82.66443886385125]
ペーパーサークル(Paper Circle)は、学術文献の発見、評価、整理、理解に必要な労力を減らすために設計された発見・分析システムである。
1)複数のソースからのオフラインおよびオンライン検索を統合するディスカバリパイプライン,多エージェントスコアリング,多様性対応ランキング,構造化アウトプット,2)個々の論文を概念,メソッド,数値などの型付きノードで構造化された知識グラフに変換する分析パイプライン,の2つの補完パイプラインで構成されている。
論文 参考訳(メタデータ) (2026-04-07T17:59:58Z) - Story2Proposal: A Scaffold for Structured Scientific Paper Writing [31.015082559144588]
既存の生成パイプラインは、生成後にのみ適用される検証を伴う制約のないテキスト合成に依存している。
本稿では,研究ストーリを構造化原稿に変換する契約統治型マルチエージェントフレームワークであるStory2Proposalを紹介する。
Jericho Research Corpusから派生したタスクの実験によると、Story2ProposalはDirectChatで6.145対3.963のエキスパート評価スコアを達成した。
論文 参考訳(メタデータ) (2026-03-28T00:46:14Z) - Training-Free Acceleration for Document Parsing Vision-Language Model with Hierarchical Speculative Decoding [102.88996030431662]
本稿では,文書解析タスクの学習自由かつ高効率な高速化手法を提案する。
投機的復号化にインスパイアされた私たちは、将来のトークンのバッチを予測するために、ドラフトモデルとして軽量な文書解析パイプラインを使用します。
汎用OmniDocBenchに対するアプローチの有効性を示す。
論文 参考訳(メタデータ) (2026-02-13T14:22:10Z) - $G^2$-Reader: Dual Evolving Graphs for Multimodal Document QA [53.491241153213565]
G2$-Readerはマルチモーダルな質問応答のためのデュアルグラフシステムである。
Qwen3-VL-32B-Instructによる$G2$-Readerの平均精度は66.21%に達し、強力なベースラインとスタンドアローンのGPT-5(53.08%)を上回った。
5つのマルチモーダルドメインにわたるVisDoMBenchでは、Qwen3-VL-32B-Instructを使った$G2$-Readerが平均精度66.21%に達し、強力なベースラインとスタンドアロンのGPT-5(53.08%)を上回っている。
論文 参考訳(メタデータ) (2026-01-29T17:52:54Z) - Loom: Diffusion-Transformer for Interleaved Generation [17.092197559386463]
インターリーブされたテキスト画像生成は、単一のシーケンス内でコヒーレントなビジュアルフレームと整列したテキスト記述を共同で生成することを目的としている。
我々は、インターリーブされたテキスト画像生成のための統合拡散変換フレームワークであるLoomを提案する。
論文 参考訳(メタデータ) (2025-12-20T07:33:59Z) - GenerationPrograms: Fine-grained Attribution with Executable Programs [72.23792263905372]
コードエージェント」アーキテクチャの最近の進歩に触発されたモジュラー生成フレームワークであるGenerationProgramsを導入する。
GenerationProgramsは、プロセスを2つの異なるステージに分解する: まず、クエリに明示的に調整されたモジュール形式のテキスト操作からなる実行可能なプログラムプランを作成し、次に、プログラムの指定した命令に従ってこれらの操作を実行し、最終的な応答を生成する。
経験的評価は、生成プログラムは文書レベルと文レベルの両方の属性品質を著しく改善することを示している。
論文 参考訳(メタデータ) (2025-06-17T14:37:09Z) - Facts2Story: Controlling Text Generation by Key Facts [0.0]
自然言語で表現された一連の事実を、より長い物語に展開し、制御された生成タスクを提案する。
我々は、GPT2のような自動回帰型一方向言語モデルは、より良い流動性を生み出すが、彼らは要求された事実に従うのに苦労することを示した。
本稿では,要求されるコンテンツに固執しながら,競争的フラッテンシーを生み出すプラン・アンド・クローズモデル(微調整xlnet)を提案する。
論文 参考訳(メタデータ) (2020-12-08T10:14:29Z)
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。