ISEE：数据库字段的交互式语义增强

arXiv cs.AI 论文
database semantic-enrichment llm-agents entity-linking enterprise-data data-management interactive-system

摘要

本文介绍了ISEE，一个交互式系统，利用基于LLM的智能体来评估并协作增强数据库字段描述的语义质量，降低认知负荷，并提升实体链接等下游任务的表现。

arXiv:2608.02604v1 公告类型：新 摘要：基于LLM的智能体越来越多地被部署用于数据相关任务，包括数据理解、探索和检索。然而，它们的性能在很大程度上依赖于数据语义的清晰度和完整性。在实践中，许多字段描述仍然模糊或不完整，因为大量关键上下文（例如自定义字段的含义）来源于用户的领域知识，且很少被公开记录。这一差距限制了智能体在下游任务（如实体链接）中的表现。为了弥合这一差距，我们引入了一个新颖且全面的交互式语义增强系统（ISEE）。给定一个数据字段描述，ISEE通过评分系统衡量其质量，收集领域知识，并与用户协作增强语义。通过用户研究、自动化用户模拟、定量评估和案例研究，我们证明ISEE显著降低了认知负荷，提高了描述质量，并增强了下游任务性能。
查看原文
查看缓存全文

缓存时间: 2026/08/05 07:37 

# Isee：数据库字段的交互式语义增强

来源：https://arxiv.org/html/2608.02604

Yuan Tian1, Yiru Chen2, Rakesh R. Menon2, Zifan Liu2, Ting Cai3, Fei Wu2, Anudeep Chimakurthi2, Prashanthi Ramamurthy2, Sridevi Aishwariya Ganesan2, Kun Qian2, Yunyao Li2

1普渡大学, 2Adobe, 3威斯康星大学麦迪逊分校

###### 摘要

基于 LLM 的智能体越来越多地被部署到数据相关任务中，包括数据理解、探索和检索。然而，它们的性能在很大程度上依赖于数据语义的清晰性和完整性。不幸的是，在实践中，许多字段描述仍然模糊或不完整，因为大量必要的上下文（例如自定义字段的含义）源自用户的领域知识，且很少被公开记录。这一差距限制了智能体在实体链接等下游任务中的表现。为了弥合这一差距，我们引入了一个新颖而全面的交互式语义增强系统（Isee）。给定一个数据字段描述，Isee 通过评分系统衡量其质量，收集领域知识，并与用户协作增强语义。通过用户研究、自动化用户模拟、定量评估和案例研究，我们证明 Isee 显著降低了认知负荷，提高了描述质量，并增强了下游任务性能。

# Isee：数据库字段的交互式语义增强

Yuan Tian1, Yiru Chen2, Rakesh R. Menon2, Zifan Liu2, Ting Cai3, Fei Wu2, Anudeep Chimakurthi2, Prashanthi Ramamurthy2, Sridevi Aishwariya Ganesan2, Kun Qian2, Yunyao Li2

1普渡大学, 2Adobe, 3威斯康星大学麦迪逊分校

## 1 引言

图1：Isee 的流程：(1) 用户通过评分系统了解当前描述的质量。(2) 用户通过澄清或

相似文章

AISE-Bench：面向学术知识图谱信息检索的全流程精选基准

arXiv cs.AI

本文介绍了AISE-Bench，一个包含1,133个问答对的精选基准，用于评估LLM智能体在学术知识图谱上的多步API规划和基于源的可信摘要。该基准显示，即使是最强的模型也仅达到中等性能，凸显了步骤正确性和可追踪推理方面的挑战。

Science Edge Evaluation：SEE——迈向真正科学发现所缺失的一步

arXiv cs.AI

本文介绍了SEE，一个由专家策划的、面向化学、生物学和材料科学科学发现的多模态基准。对19个多模态大语言模型（MLLMs）的评估显示，最佳模型的准确率仅达到48.7%，即使使用工具也只有52.7%，这表明当前模型缺乏可靠的、受证据约束的科学推理能力。

SEAL: 智能体与学习环境的协同共演化

arXiv cs.CL

SEAL提出了一个闭环框架，用于联合演化LLM智能体及其训练环境，利用诊断引导的标签对齐双方。仅用400个训练样本，它就在多轮工具使用任务上取得了显著提升，表现出更好的鲁棒性和分布外迁移能力。