本研究は、船舶のメンテナンスと運用に関する歴史的レポートから、自動的に効率的で情報量の多いスキーマを生成する問題に取り組んでいます。複数のフォーム種別にわたる過去のレポート集合を分析し、各レポート種別に必要とされる本質的な情報要件をキャプチャするコンパクトなスキーマを発見することが目標です。 この課題に対応するため、研究者たちはASMR（Agentic Schema Generation for Ship Maintenance Report Writing）という、2つの専門化されたエージェントで構成されたモジュール型フレームワークを提案しました。まず、フィールド生成エージェントが歴史的な叙述からセマンティック概念を抽出し、適応的な多粒度クラスタリングを通じて候補スキーマフィールドを生成します。一方、構造最適化エージェントは強化学習を活用して、コンパクト性、情報性、および冗長性を排除したスキーマ表現を特定します。 生成されたスキーマにより、レポート作成者は、より完全で一貫性があり、実行可能性の高いレポートを作成するように導かれます。予備的な結果はこのアプローチの有望性を示しており、データ管理、エージェント型AI、および人間中心のAIの交差領域における複数の課題を浮き彫りにしています。