AdaLens: alur cerita visual untuk mengontrol dan mengarahkan analisis agen yang panjang

4 September 202642 tampilan

Seiring meningkatnya otonomi agen LLM dalam ilmu data, antarmuka standar tidak memberikan gambaran yang jelas tentang penalaran sistem dan kemampuan untuk campur tangan tepat waktu. AdaLens memvisualisasikan proses analitis sebagai alur cerita: rencana, progres, dan hasil antara terlihat, dan analis dapat mengarahkan ulang jalannya pekerjaan.

AdaLens: alur cerita visual untuk mengontrol dan mengarahkan analisis agen yang panjang

Mengapa Perlu Pengawasan atas Analisis Agen yang Berdurasi Panjang

Model bahasa besar modern membuat ilmu data semakin otonom: agen menyusun rencana sendiri, menjalankan langkah-langkah, dan menguji hipotesis. Namun, ketika analisis semacam itu berlangsung lama dan bercabang menjadi banyak jalur paralel, analis kesulitan memahami apa yang sebenarnya dilakukan agen dan mengapa. Antarmuka biasa hanya menampilkan log yang minim atau hasil dari langkah-langkah individual, tanpa memberikan gambaran menyeluruh.

Para peneliti menyoroti dua kebutuhan utama: observabilitas — kemampuan untuk melihat bagaimana penalaran dan bukti agen berkembang, dan pengendalian — kemampuan untuk campur tangan dan mengarahkan proses ke arah yang tepat. Tanpa ini, analisis yang panjang berubah menjadi "kotak hitam".

Keterbatasan Solusi yang Ada

Alat interaktif memang sudah berupaya membuka proses kerja: mereka menampilkan langkah-langkah, memungkinkan penghentian eksekusi, atau penyuntingan. Namun, sebagian besar dirancang untuk dialog langkah-demi-langkah yang diskret. Pada kenyataannya, analisis agen sering berjalan melalui cabang paralel, dan struktur keputusan berubah seiring berjalannya waktu. Oleh karena itu, pendekatan tradisional "langkah demi langkah" tidak memadai.

Dalam makalah yang dipresentasikan di arXiv pada 18 Agustus 2026, sekelompok penulis — Yangtian Liu, Yan Miao, Shuhan Liu, dan lainnya — mengusulkan konsep pengawasan interaktif (interactive oversight) untuk skenario agen jangka panjang.

Bagaimana AdaLens Bekerja

AdaLens adalah sistem interaktif untuk memantau dan mengelola proses yang sedang berjalan. Ide utamanya adalah menyajikan seluruh analisis sebagai alur cerita (storyline), yang menampilkan secara jelas:

  • rencana analitis dan perkembangannya;
  • kemajuan eksekusi saat ini;
  • hasil antara;
  • kolom data mana yang digunakan dan seberapa aktif.

Dengan ini, analis tidak melihat log yang terpisah-pisah, melainkan gambaran penalaran agen yang koheren.

Pengendalian di AdaLens dibangun di atas elemen analitis yang sama: Anda dapat mengarahkan ulang arah yang kurang bermanfaat, memperdalam arah yang menjanjikan, menghentikan cabang yang tidak perlu, atau menyesuaikan rencana. Tindakan dilakukan langsung saat agen bekerja — tidak perlu menunggu hingga selesai.

Evaluasi dan Prospek

Para penulis mengevaluasi AdaLens melalui dua studi kasus dan studi pengguna. Mereka mengamati bagaimana analis melacak analisis agen jangka panjang dan mengarahkannya menggunakan alur cerita. Hasilnya menegaskan bahwa pendekatan ini meningkatkan pemahaman proses dan memungkinkan intervensi tepat waktu.

Makalah ini tersedia melalui DOI: https://doi.org/10.48550/arXiv.2608.17834 (versi v1, 18 Agustus 2026). Tampaknya, dalam waktu dekat, sistem semacam ini dapat menjadi antarmuka standar untuk alur kerja agen yang kompleks.

Pertanyaan yang sering ditanyakan

Bahan terkait

Semua bahan
Toollery: memilih alat untuk agen LLM dari puluhan ribu opsi tanpa fine-tuning
Berita

Toollery: memilih alat untuk agen LLM dari puluhan ribu opsi tanpa fine-tuning

Toollery membangun indeks pencarian berdasarkan deskripsi keterampilan dan alat, lalu saat ada permintaan hanya meneruskan sekumpulan kandidat terbatas ke model. Dalam eksperimen pada pustaka berskala hingga puluhan ribu fungsi, pendekatan ini mampu mempertahankan kualitas pemilihan dengan top-K tetap, meskipun dampak akhirnya bergantung pada profil beban dan caching di penyedia.

11 November 2026
Diagnostik bertahap agen GUI dalam analisis dasbor: benchmark DashAct
Penelitian

Diagnostik bertahap agen GUI dalam analisis dasbor: benchmark DashAct

DashAct diperkenalkan sebagai tolok ukur yang terdiri atas 348 trajektori yang diverifikasi manusia, yang menguraikan kerja agen GUI dengan panel interaktif menjadi tiga tahap dan empat kondisi visual. Hasilnya menunjukkan masalah yang terus berulang dalam memprediksi tindakan dan mengaitkannya dengan target visual, serta ketergantungan respons agen pada dukungan kontekstual dan spasial.

11 November 2026
WILSON: menggabungkan tingkat pembesaran dan preparat pasien untuk analisis patomorfologi dan penyusunan laporan
Berita

WILSON: menggabungkan tingkat pembesaran dan preparat pasien untuk analisis patomorfologi dan penyusunan laporan

Pracetak ini memperkenalkan WILSON — model vision-language yang mengodekan gambar seluruh slide dan rangkaian preparat dari satu pasien pada berbagai tingkat pembesaran, bukan hanya satu slide “terbaik”. Tanpa pelatihan lanjutan untuk tugas tertentu, model ini mengungguli model slide khusus dan berukuran lebih besar pada sejumlah metrik dengan beban komputasi yang jauh lebih rendah, sementara deskripsi diagnostiknya mendapat penilaian lebih tinggi dari para ahli patologi.

11 November 2026
AdaLens: alur cerita visual untuk mengontrol dan mengarahkan analisis agen yang panjang