ISEE: интерактивная система улучшает описания полей БД для ИИ-агентов

Современные LLM-агенты всё чаще используются для работы с данными: анализа, поиска и извлечения информации. Однако их эффективность напрямую зависит от того, насколько ясно и полно описаны поля баз данных. На практике многие описания остаются неполными или неоднозначными, так как важный контекст, например значение пользовательского поля, часто хранится только в голове эксперта и нигде не документируется. Это ограничивает возможности агентов при выполнении таких задач, как связывание сущностей.

Для решения этой проблемы группа исследователей разработала интерактивную систему семантического обогащения ISEE. Она работает с описанием поля, оценивает его качество по специальной шкале, собирает недостающие знания и совместно с пользователем дополняет семантику. Такой подход позволяет превратить разрозненные и неявные знания в структурированные описания, которые понятны машинам.

Авторы провели несколько этапов валидации: пользовательское исследование, автоматическую симуляцию пользователей, количественную оценку и разбор практических случаев. Результаты показали, что использование ISEE значительно снижает когнитивную нагрузку на пользователя при уточнении описаний. Кроме того, качество описаний заметно возрастает.

Улучшенные описания напрямую влияют на downstream-задачи. В частности, тестирование показало, что после обработки системой ISEE точность связывания сущностей (entity-linking) становится выше. Это означает, что агенты лучше понимают, о каком объекте идёт речь в данных, и меньше ошибаются при сопоставлении записей.

Особенность ISEE в том, что она не просто автоматически исправляет текст, а вовлекает пользователя в процесс. Система задаёт вопросы, уточняет детали и использует ответы для обогащения семантики. Такой интерактивный подход помогает выявить скрытые знания, которые раньше оставались вне поля зрения.

Разработка представляет интерес для всех, кто строит ИИ-решения для работы с базами данных: от корпоративных аналитических платформ до научных исследований. По мнению авторов, ISEE может стать полезным инструментом для улучшения качества данных в самых разных областях.

Полный текст работы доступен в архиве препринтов arXiv под номером 2608.02604.