SASAV: 自律的な科学分析と可視化エージェント

arXiv:2604.03406v1 Announce Type: new\n **Abstract**\n最近、データ理解と可視化推理における境界 multimodal 大規模言語モデル（MLLMs）の進展により、LLM の役割は受動的な「LLM-as-an-interface」から、能動的な「LLM-as-a-judge」へと進化しており、科学データ分析および可視化パイプラインへの深い統合を可能にしました。しかし、既存の科学可視化エージェントは、特定のデータセットや可視化志向の目的関数をガイドする以前の知識を提供するためのドメインエキスパートに依存しており、反応的でデータに依存した、ヒューマン・イン・ザ・ループ（HITL）のパラダイムを維持しています。この手法は時間がかかりますし、大規模な科学データに効果的に拡張できません。本研究では、外部プロンプトや HITL フィードバックなしに科学データ分析を実行し、洞察力のある可視化を生成する最初の完全自律的人工智能エージェントである「自律的な科学分析と可視化エージェント」（SASAV）を提案します。SASAV は、当方の提案したコンポーネント（自動データプロファイリング、コンテキスト感知知識レトリバリング、および論理駆動可視化パラメータ探索）を通じて、データ探索ワークフローを自動的にオーケストレーションするマルチエージェントシステムであり、後続のインタラクティブ可視化タスクもサポートしています。本研究は、未来的な AI for Science の基礎的構成要素となり、大規模な科学発見と革新を加速します。

arXiv:2604.03406v1 Announce Type: new Abstract: With recent advances in frontier multimodal large language models (MLLMs) for data understanding and visual reasoning, the role of LLMs has evolved from passive LLM-as-an-interface to proactive LLM-as-a-judge, enabling deeper integration into the scientific data analysis and visualization pipelines. However, existing scientific visualization agents still rely on domain experts to provide prior knowledge for specific datasets or visualization-oriented objective functions to guide the workflow through iterative feedback. This reactive, data-dependent, human-in-the-loop (HITL) paradigm is time-consuming and does not scale effectively to large-scale scientific data. In this work, we propose a Self-Directed Agent for Scientific Analysis and Visualization (SASAV), the first fully autonomous AI agent to perform scientific data analysis and generate insightful visualizations without any external prompting or HITL feedback. SASAV is a multi-agent system that automatically orchestrates data exploration workflows through our proposed components, including automated data profiling, context-aware knowledge retrieval, and reasoning-driven visualization parameter exploration, while supporting downstream interactive visualization tasks. This work establishes a foundational building block for the future AI for Science to accelerate scientific discovery and innovation at scale.