精选理由
做数据驱动智能体或自动化工作流的团队，这篇论文直接告诉你该不该依赖语义元数据——结论是结构化数据仍是可靠执行的基石，值得点开看具体精度对比。
一项新研究对比了智能体在两种环境下检索数据的效果：基线智能体搜索数十亿网页，语义智能体利用 schema.org 元数据检索 9000 万数据集。结果显示，语义智能体在检索可操作数据方面精度更高，元数据丰富注册表的精度提升 44.9%，机器可读下载页面的精度提升 46.6%。基线智能体虽然覆盖更广（多回答 40% 的问题），但常返回散文式页面或门户登录页，导致“最后一英里”失效。研究认为，无结构检索适合探索性任务，而结构化元数据生态是可靠自动化工作流的基础。
AI 翻译 · 中文
一项新研究对比了智能体在两种环境下检索数据的效果：基线智能体搜索数十亿网页，语义智能体利用 schema.org 元数据检索 9000 万数据集。结果显示，语义智能体在检索可操作数据方面精度更高，元数据丰富注册表的精度提升 44.9%，机器可读下载页面的精度提升 46.6%。基线智能体虽然覆盖更广（多回答 40% 的问题），但常返回散文式页面或门户登录页，导致“最后一英里”失效。研究认为，无结构检索适合探索性任务，而结构化元数据生态是可靠自动化工作流的基础。
In the era of autonomous agents, machine-actionable data is critical for data-driven workflows. For more than a decade, semantic metadata like schema.org has anchored the FAIR principles (Findable, Accessible, Interopera…