From Intent to Improvement: Agentic Dataset Search for Better Model Training
从意图到提升：面向模型训练的 Agent 数据集搜索框架
🧭 LLM Agent 约束治理的数据集检索
Nanjing University · State Key Laboratory for Novel Software Technology
提出契约治理的 AgenticDS 框架，用 typed object 约束 LLM 决策并验证约束，显著提升数据集搜索与下游训练效果
📌 工作参考价值（4 点）
- 在商品召回/广告候选生成中，让 LLM 先输出结构化筛选条件（类目、价格、库存、品牌授权、合规标签）再交给确定性规则引擎执行，避免模型自报匹配但漏硬约束；这种 typed object + deterministic operators 的边界可提升链路可信度。
- 稀疏元数据的长尾商品/新广告主：用有界图扩展（如品牌→店铺→商品，或类目→属性）补全语义缺失，但必须限制跳数避免噪声，类似 bounded graph expansion。
- 当模型输出候选列表时，要求先基于 provenance 证据验证（例如商品属性值、广告审核字段）再排序，不通过时返回可解释诊断与局部修复指令，减少整条链路的无效重试。
- 对含硬约束的 query（如“高转化且库存>100且配送时效24h”），可借鉴 typed search plan 编译方式，把自然语言 query 解析为可执行计划，而不是直接用向量检索。