LLMベースのエージェントがデータの意味把握、探索、検索といったデータ関連のタスクに広く展開されている現在、これらのシステムの性能はデータセマンティクスの明確性と完全性に大きく依存しています。しかし実際には、多くのフィールド説明が曖昧または不完全なままになっているという課題があります。カスタマイズされたフィールドの意味など、本質的なコンテキストの多くはユーザーのドメイン知識に起因するものであり、公開されることはめったにありません。このセマンティック情報のギャップは、エンティティリンキングなどの下流タスクにおけるエージェントのタスク性能を制限してしまいます。 この問題を解決するため、研究者たちは対話型セマンティック拡張システム（ISEE）を開発しました。ISEEはデータフィールド説明を受け取ると、スコアリングシステムを通じてその品質を測定し、ドメイン知識を収集しながら、ユーザーとの協働によってセマンティクスを段階的に拡張します。 研究チームはユーザー研究、自動化されたユーザーシミュレーション、定量的評価、およびケーススタディを通じてISEEの有効性を検証しました。その結果、このシステムがユーザーの認知負荷を大幅に軽減し、フィールド説明の品質を向上させ、さらに下流のタスク性能を著しく改善することが実証されています。ISEEは、データに対するAIエージェントの理解と処理能力を高める重要なツールとして機能することが期待されています。