ASMR: Агенты ИИ генерируют схемы отчетов для обслуживания судов

Проблема: Хаос в бумажной работе

В морской индустрии обслуживание судов требует заполнения множества отчетов. Ручное составление таких документов часто приводит к неполноте данных, несогласованности и избыточности информации. Традиционные методы не справляются с адаптацией к различным типам форматов, что затрудняет анализ исторических данных.

Решение: Архитектура ASMR

Авторы предлагают ASMR (Agentic Schema Generation for Ship Maintenance Report Writing) — модульную framework-систему, состоящую из двух специализированных ИИ-агентов:

• Field Generation Agent: Извлекает семантические концепции из исторических текстовых отчетов и генерирует кандидаты на поля схемы с помощью адаптивной многогранной кластеризации.
• Structural Optimizer Agent: Использует обучение с подкреплением (Reinforcement Learning) для отбора наиболее компактных, информативных и нефункционально зависимых полей, устраняя дублирование.

Как это работает: От текста к структуре

Система анализирует коллекцию исторических отчетов по обслуживанию и эксплуатации судов. Вместо того чтобы жестко задавать структуру, агенты «учатся» выявлять ключевые информационные требования каждого типа отчета. Это позволяет создавать динамические схемы, которые ведут авторов отчетов к более полному и последовательному заполнению форм.

Результаты и значение

Предварительные результаты демонстрируют эффективность подхода в генерации компактных схем. Работа подчеркивает важность интеграции управления данными, агентного ИИ и человеко-ориентированного дизайна (Human-in-the-loop) для автоматизации сложных документационных процессов. Исследование принято к публикации на воркшопе DASHSys 2026 (Systems for Data-centric Agents with Human-in-the-loop), который проходит в рамках конференции VLDB 2026.

Источник: arXiv cs.AI ↗