表形式データにおける情報ニーズの具体化と充足のためのアジェンティック・システム「Pneuma-Seeker」のデモ

arXiv cs.AI / 2026/4/17

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

この論文では、表形式（リレーショナル）データを扱うアナリストが曖昧または不十分に定義された情報ニーズを反復的に洗練できるようにするアジェンティック・システム「Pneuma-Seeker」を提案しています。
ユーザーの情報ニーズを、明示的で検査可能なリレーショナル仕様へと「具体化」し、データの絞り込み探索と情報ニーズの改良を支援します。
LLMを「不透明な回答エンジン」ではなく、透明で対話的な分析の協働者として活用する点が特徴です。
参照元（プロヴェナンス）を意識した実行により、回答や意思決定がどのデータに基づいて導かれたかの追跡性を高めます。
実世界の調達（プロキュアメント）ユースケース2件で、実務での有効性を示しています。

Abstract

リレーショナルデータを扱うデータアナリストは、多くの場合、曖昧で十分に特定されていない問いから始め、データを探索しながらそれを反復的に洗練していきます。この反復プロセスを支援するために、私たちはPneuma-Seekerというシステムを示します。このシステムは、ユーザーの情報要求を明示的で、検査可能なリレーショナル仕様として具現化し、それによって情報要求の反復的な改良、的を絞ったデータ発見、そして来歴（プロヴェナンス）を意識した実行を可能にします。2つの実世界の調達（プロキュアメント）ユースケースを通じて、Pneuma-Seekerが、不可視の解答エンジンではなく、透明で対話的な分析の協働者としてLLMを活用する方法を示します。