عوامل استدلال داده‌ای کارای توکن از طریق ساختاردهی تطبیقی داده‌های غیرساختاریافته

علوم کامپیوتر > هوش مصنوعی arXiv:2608.31082v1 (cs) [ارسال شده در ۳۱ اوت ۲۰۲۶] **عنوان:** عامل‌های استدلال داده‌محور کم‌مصرف با ساختاردهی تطبیقی داده‌های بدون ساختار **نویسندگان:** میلاد رضایی حاجی‌دهی، کیتونگ وانگ، استراتوس ایدرئوس مشاهده PDF مقاله‌ای با عنوان «عامل‌های استدلال داده‌محور کم‌مصرف با ساختاردهی تطبیقی داده‌های بدون ساختار»، نوشته میلاد رضایی حاجی‌دهی و دو نویسنده دیگر مشاهده PDF HTML (آزمایشی) **چکیده:** داده‌های ارزشمند همچنان در منابع بدون ساختار نهفته‌اند: صفحات وب، گزارش‌ها، قراردادها، اسناد رسمی، تماس‌های اعلام درآمد و فایل‌های PDF. شرط‌بندی بزرگ در هوش مصنوعی سازمانی، استقرار عامل‌های مبتنی بر مدل‌های زبانی بزرگ (LLM agents) است که برای پاسخگویی به پرسش‌های پیچیده‌ی هر کارمند دانشی، بر روی این داده‌ها استدلال می‌کنند. عامل‌ها در حال حاضر قادر به انجام این کار هستند، اما با هزینه‌ای سرسام‌آور. هر پرسش، به‌طور مکرر، اسناد بزرگ را باز می‌کند تا شواهد پراکنده را بازیابی کند و تا سقف یک میلیون توکن مصرف می‌کند. با این حال، اگر داده‌ها از پیش ساختاردهی شده بودند، همان پرسش به یک جستجوی ارزان در پایگاه داده تقلیل می‌یافت. به‌عنوان مثال، در معیار FanOutQA، استدلال بر روی یک ذخیره‌گاه ایده‌آلِ از پیش ساختاردهی‌شده، ۲۸ برابر ارزان‌تر است، و این شکاف با گسترده‌تر شدن پرسش‌ها در اسناد بیشتر، به مرتبه‌های بزرگی افزایش می‌یابد. با این وجود، ساختاردهی همه چیز از قبل امکان‌پذیر نیست: اسناد حاوی ساختارهای بسیار بیشتری نسبت به آنچه هر وظیفه استفاده کند، هستند، و ساختار و اسناد مفید تا زمان ورود پرسش‌ها مشخص نیستند. ما روش «شکستن داده‌های عاملی» (agentic data cracking) را پیشنهاد می‌کنیم؛ روشی که داده‌های بدون ساختار را به‌صورت تطبیقی و حدسی (speculative)، به‌عنوان محصول جانبی استدلال، ساختاردهی می‌کند. ساختاردهی تطبیقی است، زیرا پرسش‌های مشاهده‌شده تعیین می‌کنند که چه زمانی رخ دهد و چه چیزی مهم است، و حدسی است، زیرا فراتر از پرسش فعلی می‌رود. هر زمان که عامل، سندی را برای پاسخگویی باز می‌کند، یک زیرعامل شکستن (cracking sub-agent) با هزینه‌ای جزئی از زمینه‌ی بارگذاری‌شده‌ی موجود، فورک می‌شود و ساختار مبتنی بر شواهد را استخراج می‌کند که به‌احتمال زیاد برای پرسش‌های آتی مرتبط مفید خواهد بود. با گذشت زمان، سهم فزاینده‌ای از پرسش‌ها به‌طور کامل توسط داده‌های ساختاردهی‌شده پوشش داده می‌شوند و بدون باز کردن سند پاسخ داده می‌شوند، در حالی که دقت عاملی نزدیک به هزینه‌ی RAG باقی می‌ماند. در FanOutQA، که تنها با یک پرسش مرتبط برای هر پرسش آزمایشی توسعه یافته است، شکستن، هزینه را ۵۳٪ کاهش می‌دهد و در عین حال دقت را حفظ می‌کند. شکستن داده‌های عاملی، گام نخست به سوی زیرساخت داده‌ای نسل بعدی برای استدلال عاملی بر روی داده‌های بدون ساختار است: بستری مشترک در زیر مدل، جایی که دانشی که استدلال از قبل برای کشف آن هزینه کرده است، انباشته می‌شود. **توضیحات:** **موضوعات:** هوش مصنوعی (cs.AI)؛ محاسبات و زبان (cs.CL)؛ پایگاه‌های داده (cs.DB) **نحوه استناد:** arXiv:2608.31082 [cs.AI] (یا arXiv:2608.31082v1 [cs.AI] برای این نسخه) https://doi.org/10.48550/arXiv.2608.31082 برای کسب اطلاعات بیشتر در مورد DOI صادر شده توسط arXiv از طریق DataCite (در انتظار ثبت) مراجعه کنید. **تاریخچه ارسال:** از: میلاد رضایی حاجی‌دهی [مشاهده ایمیل] [v1] دوشنبه، ۳۱ اوت ۲۰۲۶، ۱۶:۵۳:۴۵ UTC (۴٬۶۴۳ کیلوبایت) **ابزارهای کتاب‌شناختی** ابزارهای کتاب‌شناختی و استنادی کاوشگر کتاب‌شناختی (Bibliographic Explorer) تغییر وضعیت کاوشگر کتاب‌شناختی (کاوشگر چیست؟) مقالات مرتبط (Connected Papers) تغییر وضعیت مقالات مرتبط (مقالات مرتبط چیست؟) نقشه‌های ادبیات (Litmaps) تغییر وضعیت نقشه‌های ادبیات (Litmaps چیست؟) جابجایی scite استنادات هوشمند (استنادات هوشمند چیست؟) کد، داده‌ها، رسانه‌ها کد، داده‌ها و رسانه‌های مرتبط با این مقاله جابجایی alphaXiv (alphaXiv چیست؟) پیوندها به کد جابجایی CatalyzeX یافتن‌کننده کد CatalyzeX برای مقالات (CatalyzeX چیست؟) جابجایی DagsHub (DagsHub چیست؟) جابجایی Gotit.pub (GotitPub چیست؟) جابجایی Hugging Face (Hugging Face چیست؟) جابجایی ScienceCast (ScienceCast چیست؟) نمایش‌ها جابجایی Replicate (Replicate چیست؟) جابجایی Hugging Face Spaces (Spaces چیست؟) جابجایی TXYZ.AI (TXYZ.AI چیست؟) مقالات مرتبط ابزارهای توصیه‌گر و جستجو پیوند به گل تأثیر Influence Flower (گل‌های تأثیر چیست؟) جابجایی توصیه‌گر CORE (CORE چیست؟) نویسنده مجله مؤسسه موضوع درباره arXivLabs arXivLabs: پروژه‌های آزمایشی با همکاران جامعه arXivLabs چارچوبی است که به همکاران امکان می‌دهد ویژگی‌های جدید arXiv را مستقیماً در وب‌سایت ما توسعه دهند و به اشتراک بگذارند. هم افراد و هم سازمان‌هایی که با arXivLabs کار می‌کنند، ارزش‌های ما از باز بودن، جامعه‌محوری، برتری و حریم خصوصی داده‌های کاربران را پذیرفته‌اند. arXiv به این ارزش‌ها متعهد است و فقط با شرکایی که به آن‌ها پایبند هستند همکاری می‌کند. آیا ایده‌ای برای پروژه‌ای دارید که ارزش افزوده‌ای برای جامعه arXiv ایجاد کند؟ درباره arXivLabs بیشتر بدانید. کدام نویسندگان این مقاله تأییدکننده هستند؟ | غیرفعال‌سازی MathJax (MathJax چیست؟)