Pneuma-Seeker는 데이터 분석가의 모호한 정보 요구를 명시적이고 검사 가능한 관계형 명세로 구체화하는 시스템이다. 사용자는 반복적으로 정보 요구를 다듬고 타깃 데이터 탐색과 provenance 인식 실행이 가능하다. 두 개의 실제 조달(procurement) 사용 사례를 통해 LLM이 불투명한 답변 엔진이 아니라 투명하고 상호작용적인 분석 협력자로 작동함을 보여준다.
- •모호한 분석 질문을 명시적 관계형 명세로 구체화하는 LLM 시스템
- •반복적 refinement + 타깃 데이터 발견 + provenance 실행 지원
- •LLM을 블랙박스 답변기가 아닌 투명한 분석 협력자로 재정의
- •조달(procurement) 도메인 두 개 실제 사례로 검증
- •분석가가 명세를 직접 검사·수정할 수 있는 설계
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Demonstration of Pneuma-Seeker: Agentic System for Reifying and Fulfilling Information Needs on Tabular Data
- 1.데이터 분석에서 LLM을 투명한 협력자로 쓰는 새 패러다임 시연
- 2.모호한 질문을 명세로 바꿔 반복·provenance 추적 가능
- 3.조달 같은 고위험 관계형 분석 현장에 적합
왜 중요한가?
데이터 분석에서 LLM 활용은 주로 답변 생성에 머물렀지만, Pneuma-Seeker는 명세 기반 반복과 provenance 를 통해 검증 가능한 분석 협력을 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2604.14422v1 Announce Type: new Abstract: Data analysts working with relational data often start with vague or underspecified questions and refine them iteratively as they explore the data. To support this iterative process, we demonstrate Pneuma-Seeker, a system that reifies a user's information need as explicit, inspectable relational specifications, enabling iterative refinement of the information need, targeted data discovery, and provenance-aware execution. Through two real-world pro
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 22:30AI 초안
