Fugu-MT 論文翻訳(概要): Domain adaptation of large language models for geotechnical applications

論文の概要: Domain adaptation of large language models for geotechnical applications

arxiv url: http://arxiv.org/abs/2507.05613v2
Date: Tue, 04 Nov 2025 01:18:57 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-05 20:56:28.992587
Title: Domain adaptation of large language models for geotechnical applications
Title（参考訳）: 地学応用のための大規模言語モデルのドメイン適応
Authors: Lei Fan, Fangxue Liu, Cheng Chen,
Abstract要約: 大規模言語モデル(LLM)は、複雑なテキストリッチなデータに依存する地理工学の機会を変えつつある。本稿では,迅速な工学,検索拡張生成,ドメイン適応型事前学習,微調整など,4つの重要な適応戦略を批判的に検討する。ドメイン適応型LLMは推論精度、自動化、解釈可能性を大幅に改善するが、データの不足、検証の課題、説明可能性の問題によって制限される。
参考スコア（独自算出の注目度）: 5.576513036374959
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The rapid advancement of large language models (LLMs) is transforming opportunities in geotechnical engineering, where workflows rely on complex, text-rich data. While general-purpose LLMs demonstrate strong reasoning capabilities, their effectiveness in geotechnical applications is constrained by limited exposure to specialized terminology and domain logic. Thus, domain adaptation, tailoring general LLMs for geotechnical use, has become essential. This paper presents the first systematic review of LLM adaptation and application in geotechnical contexts. It critically examines four key adaptation strategies, including prompt engineering, retrieval augmented generation, domain-adaptive pretraining, and fine-tuning, and evaluates their comparative benefits, limitations, and implementation trends. This review synthesizes current applications spanning geological interpretation, subsurface characterization, design analysis, numerical modeling, risk assessment, and geotechnical education. Findings show that domain-adapted LLMs substantially improve reasoning accuracy, automation, and interpretability, yet remain limited by data scarcity, validation challenges, and explainability concerns. Future research directions are also suggested. This review establishes a critical foundation for developing geotechnically literate LLMs and guides researchers and practitioners in advancing the digital transformation of geotechnical engineering.
Abstract（参考訳）: 大規模言語モデル(LLM)の急速な進歩は、ワークフローが複雑なテキストリッチなデータに依存するジオテクネカルエンジニアリングの機会を変えつつある。汎用LLMは強い推論能力を示すが、その地学応用における有効性は、専門用語やドメイン論理に限定した露出によって制限される。そのため,地学利用に適した汎用LLMであるドメイン適応が不可欠である。本稿では,LLMの適応とジオテクニカル・コンテクストへの応用について,最初の体系的レビューを行う。プロンプトエンジニアリング、検索拡張生成、ドメイン適応型事前訓練、微調整を含む4つの重要な適応戦略を批判的に検討し、それらの比較利点、制限、実装トレンドを評価する。本稿では, 地質学的解釈, 地下特性, 設計解析, 数値モデリング, リスク評価, 地学教育にまたがる現状の応用を概説する。ドメイン適応型LLMは推論精度、自動化、解釈可能性を大幅に改善するが、データの不足、検証の課題、説明可能性の問題によって制限される。今後の研究の方向性も示唆されている。このレビューは、地球工学のデジタルトランスフォーメーションを進めるために、地球工学系LLMを開発する上で重要な基盤を確立し、研究者や実践者を指導するものである。

関連論文リスト

OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence [51.0456395687016]
マルチモーダル大言語モデル(LLM)が人工知能の新しいフロンティアをオープンした。地理空間応用に適したMLLM(OmniGeo)を提案する。自然言語理解の長所と空間的推論の長所を組み合わせることで,GeoAIシステムの指示追従能力と精度を高めることができる。
論文参考訳（メタデータ） (2025-03-20T16:45:48Z)
PEACE: Empowering Geologic Map Holistic Understanding with MLLMs [64.58959634712215]
地質図は地質学の基本的な図として、地球の地下と地表の構造と構成に関する重要な洞察を提供する。その重要性にもかかわらず、現在のマルチモーダル大言語モデル(MLLM)は地質図の理解に乏しいことが多い。このギャップを定量化するために、地質地図理解においてMLLMを評価するための最初のベンチマークであるGeoMap-Benchを構築した。
論文参考訳（メタデータ） (2025-01-10T18:59:42Z)
Self-Supervised Representation Learning for Geospatial Objects: A Survey [21.504978593542354]
自己教師付き学習(SSL)は、広範囲にラベル付けされた監督なしでデータから直接効果的で一般化可能な表現を学習できる能力に注目が集まっている。本稿では,3種類の幾何学的ベクトルタイプ(ポイント,ポリライン,ポリゴン)において,地理空間オブジェクトに対して特別に適用または開発されたSSL技術について調査する。地空間オブジェクトに対するSSLの出現傾向,特に地空間基盤モデルへの段階的な進歩について検討する。
論文参考訳（メタデータ） (2024-08-22T05:28:22Z)
Future-proofing geotechnics workflows: accelerating problem-solving with large language models [2.8414492326907577]
本稿は,東京で開催されているハンズオンワークショップにおいて,大規模言語モデルの地工学への応用を探求するものである。本稿は,LLMが地学工学の実践を変革する可能性について論じ,基礎データ解析から複雑な問題解決まで,様々なタスクの処理能力を強調した。
論文参考訳（メタデータ） (2023-12-14T05:17:27Z)
The Efficiency Spectrum of Large Language Models: An Algorithmic Survey [54.19942426544731]
LLM(Large Language Models)の急速な成長は、様々なドメインを変換する原動力となっている。本稿では,LLMのエンドツーエンドのアルゴリズム開発に不可欠な多面的効率性について検討する。
論文参考訳（メタデータ） (2023-12-01T16:00:25Z)
Are Large Language Models Geospatially Knowledgeable? [21.401931052512595]
本稿では,Large Language Models (LLM) で符号化された地理空間的知識,認識,推論能力の程度について検討する。自己回帰言語モデルに焦点をあて, (i) 地理座標系におけるLLMの探索と地理空間知識の評価, (ii) 地理空間的および非地理空間的前置法を用いて地理空間的意識を測定する, (iii) 多次元スケーリング(MDS) 実験を用いて, モデルの地理空間的推論能力を評価する, 実験手法を考案した。
論文参考訳（メタデータ） (2023-10-09T17:20:11Z)
K2: A Foundation Language Model for Geoscience Knowledge Understanding and Utilization [105.89544876731942]
大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
論文参考訳（メタデータ） (2023-06-08T09:29:05Z)
Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey [100.24095818099522]
大規模言語モデル(LLM)は自然言語処理(NLP)の分野を著しく進歩させた。広範囲のアプリケーションに対して、非常に有用でタスクに依存しない基盤を提供する。しかし、特定の領域における洗練された問題を解決するために直接LLMを適用することは、多くのハードルを満たす。
論文参考訳（メタデータ） (2023-05-30T03:00:30Z)
Geotechnical Parrot Tales (GPT): Harnessing Large Language Models in geotechnical engineering [2.132096006921048]
GPTモデルは可聴音を生成できるが、偽の出力を生成でき、幻覚を引き起こす。 GPTをジオエンジニアリングに統合することで、プロフェッショナルは作業を合理化し、持続的で回復力のあるインフラシステムを開発することができる。
論文参考訳（メタデータ） (2023-04-04T21:47:41Z)
Information Extraction in Low-Resource Scenarios: Survey and Perspective [56.5556523013924]
情報抽出は構造化されていないテキストから構造化された情報を導き出そうとする。本稿では,emphLLMおよびemphLLMに基づく低リソースIEに対するニューラルアプローチについて概説する。
論文参考訳（メタデータ） (2022-02-16T13:44:00Z)
Applications of physics-informed scientific machine learning in subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文参考訳（メタデータ） (2021-04-10T13:40:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。