ทันเอไอ

研究人员开发 ISEE 系统，帮助 AI 智能体更准确地理解企业数据库

由 Purdue University、Adobe 和 UW–Madison 联合研发的 Interactive Semantic Enrichment 系统，可为数据字段描述补充领域知识，使 AI 智能体在处理数据库时更加准确

随着由 LLM（大语言模型）驱动的 AI 智能体越来越多地被用于处理数据——包括数据理解、数据探索和数据检索——一个常见问题是准确率下降，尤其是在企业级数据库上。原因并不总在模型本身，而在于数据字段描述（field descriptions）往往含糊或不完整。例如公司自定义命名的字段，其真正含义存在于员工的领域知识（domain knowledge）中，却从未被公开记录下来。

为弥补这一缺口，来自 Purdue University、Adobe 和 University of Wisconsin–Madison 的研究团队（由 Yuan Tian、Yiru Chen 和 Rakesh R. Menon 等人领衔）提出了 ISEE（Interactive SEmantic Enrichment）系统，相关论文已发布在 arXiv 的 cs.AI/cs.IR 分类下。该系统以交互方式运行：收到字段描述后，ISEE 会通过评分机制评估该描述的质量，然后收集用户知识，并与用户协作完善字段的语义。

研究团队指出，含糊的字段描述会直接影响下游任务（downstream tasks），例如实体链接（entity linking）——即把数据与正确的实体关联起来。如果 AI 智能体不理解每个字段的真实含义，这类任务很容易出错。

用户研究和质量评估结果显示，ISEE 确实能提高数据字段描述的准确性，同时相比基础方法还能降低用户的认知负担（cognitive load），即用户不必从零开始费力思考和记录所有内容。

不过，这项成果仍属早期研究，仅以预印本（preprint）形式发布在 arXiv 上，尚未经过正式的同行评审（peer review），摘要中也未披露详细的实验数据，因此要在工业界实际落地仍需进一步观察。