Skip to main content
Automaziot AI logo
  • Home
  • Blog
  • About
  • Contact
(646) 760-4854Book a Free Consultation
Automaziot AI - AI Automation and Intelligent Agents for Business

AI Automation Experts. We help businesses streamline operations and scale faster with intelligent agents and workflow automation.

USA(646) 760-4854IL+972-3-7630715info@automaziot.ai
Ahad Ha'Am 9, Tel Aviv, Shalom Tower

Quick Links

  • Home
  • About
  • Contact
  • Case Studies
  • Glossary

Our Solutions

  • Lead Management
  • WhatsApp AI Agent
  • Business Automation
  • Smart CRM
  • Automated Scheduling
  • Sales & Support
  • WhatsApp Commerce
  • AI Agents
  • Tech Consulting

Stay Updated

Get the latest insights on AI automation delivered to your inbox.

FacebookInstagramLinkedIn

This site uses Google Analytics and Vercel Analytics to improve your experience. For full details, see our Privacy Policy

© 2026 Automaziot AI. All rights reserved.

Privacy PolicyTerms of ServiceAccessibilityEditorial Policy
KathDB: מערכת מסדי נתונים רב-מודלית הסברית
KathDB: מסד נתונים רב-מודלי עם הסבריות ושיתוף אדם-AI
ביתחדשותKathDB: מסד נתונים רב-מודלי עם הסבריות ושיתוף אדם-AI
מחקר

KathDB: מסד נתונים רב-מודלי עם הסבריות ושיתוף אדם-AI

מערכת חדשה משלבת סמנטיקה רלציונלית וכוח חשיבה של מודלי יסוד על נתונים רב-תחומיים, כולל אינטראקציה אנושית

אייל יעקבי מילראייל יעקבי מילר
15 בדצמבר 2025
2 דקות קריאה

תגיות

KathDB

נושאים קשורים

#מסדי נתונים#בינה מלאכותית#נתונים רב-מודליים#הסבריות#שיתוף אדם-AI#arXiv

✨תקציר מנהלים

Key Takeaways

  • KathDB משלבת סמנטיקה רלציונלית ומודלי יסוד לטיפול בטבלאות, טקסט, תמונות וסרטונים

  • מאפשרת אינטראקציה אדם-AI בשלבים שונים להסבריות מלאה

  • פותרת בעיות של מערכות מסורתיות (SQL קשה) ומודרניות (חוסר שקיפות)

  • רלוונטי לעסקים עם נתונים רב-תחומיים להגברת יעילות

  • שקיפות מפחיתה סיכונים רגולטוריים באנליזה

  • מאפשרת למשתמשים רגילים לקבל תשובות איטרטיביות

KathDB: מסד נתונים רב-מודלי עם הסבריות ושיתוף אדם-AI

  • KathDB משלבת סמנטיקה רלציונלית ומודלי יסוד לטיפול בטבלאות, טקסט, תמונות וסרטונים
  • מאפשרת אינטראקציה אדם-AI בשלבים שונים להסבריות מלאה
  • פותרת בעיות של מערכות מסורתיות (SQL קשה) ומודרניות (חוסר שקיפות)
  • רלוונטי לעסקים עם נתונים רב-תחומיים להגברת יעילות
  • שקיפות מפחיתה סיכונים רגולטוריים באנליזה
  • מאפשרת למשתמשים רגילים לקבל תשובות איטרטיביות

בעידן הדאטה העצום שבו עסקים מתמודדים עם נתונים מכל סוגי המדיות – טבלאות, טקסטים, תמונות ואף סרטונים – מסדי הנתונים המסורתיים מגיעים לקצה גבולות היכולת שלהם. כתיבת שאילתות SQL מורכבות היא משימה קשה, והן מוגבלות לנתונים מובנים בלבד. כעת, חוקרים מציגים את KathDB, מערכת ניהול מסדי נתונים רב-מודלית חדשנית שמשלבת את הערבויות הסמנטיות החזקות של מסדי נתונים רלציונליים עם כוח החשיבה של מודלי יסוד מתקדמים.

מסדי נתונים מסורתיים מבצעים שאילתות SQL שמסופקות על ידי משתמשים או אפליקציות על נתונים רלציונליים, עם ערבויות סמנטיות חזקות ואופטימיזציה מתקדמת של שאילתות. עם זאת, כתיבת SQL מורכב היא אתגר גדול ומתמקדת רק בטבלאות מובנות. לעומת זאת, מערכות רב-מודליות עכשוויות, שפועלות על רלציות לצד טקסט, תמונות וסרטונים, מציעות או שליטה ברמה נמוכה שדורשת שימוש ידני בפונקציות משתמש ML בתוך SQL, או העברת הביצוע למודלי שפה גדולים כתיבתיים שחורים, תוך ויתור על שימושיות או הסבריות.

KathDB מציעה פתרון היברידי חדשני. על פי המאמר ב-arXiv, המערכת משלבת סמנטיקה רלציונלית עם כוח החשיבה של מודלי יסוד על נתונים רב-מודליים. בנוסף, KathDB כוללת ערוצי אינטראקציה בין אדם למכונה בשלבי ניתוח השאילתה, הביצוע והסבר התוצאות, המאפשרים למשתמשים לקבל תשובות הסבריות באופן איטרטיבי על פני כל סוגי הנתונים.

המשמעות של KathDB גדולה במיוחד לעסקים ישראליים בתחומי ההייטק והפינטק, שמתמודדים עם נפחי נתונים היברידיים יומיומיים. בניגוד למערכות שחורות שמסתירות את תהליך החשיבה, KathDB מבטיחה שקיפות ושליטה, מה שמקל על אימות תוצאות ומפחית סיכונים רגולטוריים. זהו צעד קריטי בעולם שבו הסבריות של AI הופכת לדרישה חוקית ומחוזית.

עבור מנהלי טכנולוגיה ומנכ"לים, KathDB פותחת אפשרויות חדשות לאנליזה מתקדמת ללא צורך במומחי SQL או ML. השילוב בין ערבויות מסורתיות לבין יכולות AI מאפשר יעילות גבוהה יותר בפיתוח אפליקציות. כיצד תשלבו מערכת כזו בארגון שלכם? המחקר מדגיש את הפוטנציאל לשינוי פרדיגמה בניהול נתונים.

שאלות ותשובות

FAQ

אהבתם את הכתבה?

הירשמו לניוזלטר שלנו וקבלו עדכונים חמים מעולם ה-AI ישירות למייל

Your information will only be used to contact you and deliver our services. For details, see our Privacy Policy and Terms of Service

עוד כתבות שיעניינו אותך

לכל הכתבות
TierMem לזיכרון מדורג לסוכנים ארוכי טווח: פחות טוקנים, כמעט בלי לוותר על דיוק
מחקר
Feb 23, 2026
6 min

TierMem לזיכרון מדורג לסוכנים ארוכי טווח: פחות טוקנים, כמעט בלי לוותר על דיוק

**TierMem הוא מנגנון זיכרון דו-שכבתי לסוכנים ארוכי טווח שמחליט בזמן המענה אם מספיק להסתמך על סיכום מהיר או שצריך להסלים ללוגים גולמיים כדי להביא ראיות מאומתות. לפי המאמר (arXiv:2602.17913v1), ב-LoCoMo השיטה הגיעה לדיוק 0.851 לעומת 0.873 ב-raw-only, תוך חיסכון של 54.1% בטוקנים ו-60.7% בהשהיה.** עבור עסקים בישראל שמפעילים שיחה רציפה ב-WhatsApp Business API ומנהלים לקוחות ב-Zoho CRM, המשמעות היא ניהול סיכונים: סיכומים לבד עלולים להשמיט “תנאי קריטי” (מחיר, הסכמה, רגישות רפואית), ולכן כדאי לבנות דרך N8N שכבת לוגים בלתי ניתנים לשינוי וכללי הסלמה לשאילתות רגישות. כך מצמצמים עלות ותורמים לעקיבות פנימית.

arXivTierMemLoCoMo
Read more
NL2LOGIC לתרגום משפטים ללוגיקה מסדר ראשון: 99% תחביר, +30% משמעות
מחקר
Feb 23, 2026
6 min

NL2LOGIC לתרגום משפטים ללוגיקה מסדר ראשון: 99% תחביר, +30% משמעות

**NL2LOGIC היא מסגרת שמתרגמת טקסט לשפה טבעית ללוגיקה מסדר ראשון (FOL) דרך עץ תחביר מופשט (AST), כך שהפלט עומד בכללי דקדוק וניתן להרצה בסולברים. לפי המאמר, היא מגיעה ל‑99% דיוק תחבירי ומשפרת נכונות סמנטית עד 30% בבנצ’מרקים כמו FOLIO ו‑ProofWriter.** לעסקים בישראל זה חשוב במיוחד בתהליכים שבהם “צריך להכריע” ולא רק “לנסח”: החזרים, חריגי שירות, תנאי חוזה, ניגוד עניינים במשרדי עורכי דין או סיווג פניות בביטוח ונדל"ן. שילוב עם WhatsApp Business API, N8N ו‑Zoho CRM מאפשר לקלוט פנייה, להפעיל כללים פורמליים, להחזיר החלטה מוסברת, ולתעד אותה ב‑CRM לצורכי בקרה וציות (כולל עקרונות חוק הגנת הפרטיות).

arXivNL2LOGICAST
Read more
Lang2Act ל-VRAG: שרשראות כלים לשוניות שמחדדות תפיסה חזותית ב‑VLM
מחקר
Feb 23, 2026
6 min

Lang2Act ל-VRAG: שרשראות כלים לשוניות שמחדדות תפיסה חזותית ב‑VLM

**Lang2Act הוא מנגנון VRAG שבו מודל ראייה-שפה (VLM) מייצר בעצמו “פעולות” כשרשראות לשוניות, ואז משתמש בהן ככלים כדי לשפר תפיסה חזותית והסקה. לפי המאמר arXiv:2602.13235v1, הגישה מצמצמת איבוד מידע שנוצר בזרימות עבודה שמפרידות בין תפיסה להיגיון (למשל אחרי crop), ומשיגה שיפור של יותר מ‑4% בתוצאות הניסויים.** לעסקים בישראל זה רלוונטי במיוחד בתהליכים שמבוססים על תמונות ב-WhatsApp: צילומי מסך של תקלות, מסמכים, ותמונות מוצר. במקום להסתמך על כלי חיתוך/OCR קשיחים שמאבדים הקשר, כדאי לבנות פיילוט שבו כל שלבי התפיסה מתועדים, מחוברים ל-Zoho CRM, ומופעלים דרך N8N — עם מדיניות פרטיות ברורה (למשל שמירת תמונות ל-30 יום).

arXivLang2ActNEUIR
Read more
מענה לשאלות רפואיות תלוי-מצב: CondMedQA מציב רף חדש לדיוק קליני
מחקר
Feb 23, 2026
6 min

מענה לשאלות רפואיות תלוי-מצב: CondMedQA מציב רף חדש לדיוק קליני

מענה לשאלות רפואיות תלוי-מצב הוא מצב שבו אותה שאלה מקבלת תשובה שונה לפי תנאי המטופל—קומורבידיות, אלרגיות או התוויות-נגד. במאמר arXiv:2602.17911v1 מוצגים CondMedQA (בנצ׳מרק חדש שמודד היסק מותנה) ו-Condition-Gated Reasoning (CGR), שמפעיל/גוזם מסלולי היסק בגרף ידע לפי תנאי השאלה כדי לבחור תשובה ישימה יותר. לעסקים בישראל שמפתחים כלי טריאז׳, טלה-רפואה או שירות במוקדי אחיות, המשמעות היא שינוי מדידה: לא “דיוק ממוצע”, אלא דיוק במקרי קצה. פרקטית, אפשר לשלב איסוף תנאים ב-WhatsApp Business API, לשמור שדות ב-Zoho CRM, ולהפעיל ב-N8N “שער תנאים” שמנתב מקרים מסוכנים לגורם אנושי ומייצר לוגים לאודיט.

arXivCondMedQACondition-Gated Reasoning
Read more