論文の概要: Context-Aware Visual Prompting: Automating Geospatial Web Dashboards with Large Language Models and Agent Self-Validation for Decision Support

• arxiv url: http://arxiv.org/abs/2511.20656v1
• Date: Fri, 10 Oct 2025 10:58:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.309214
• Title: Context-Aware Visual Prompting: Automating Geospatial Web Dashboards with Large Language Models and Agent Self-Validation for Decision Support
• Title（参考訳）: コンテキスト対応ビジュアルプロンプティング:大規模言語モデルによる地理空間Webダッシュボードの自動化と意思決定支援のためのエージェントセルフバリデーション
• Authors: Haowen Xu, Jose Tupayachi, Xiao-Ying Yu,
• Abstract要約: リスク分析と意思決定のためのWebベースのダッシュボードの開発は、大きな多次元データの難しさに悩まされることが多い。 ユーザ定義入力からインタラクティブな地理空間ダッシュボードの作成を自動化する生成AIフレームワークを導入する。
• 参考スコア（独自算出の注目度）: 1.506501956463029
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The development of web-based geospatial dashboards for risk analysis and decision support is often challenged by the difficulty in visualization of big, multi-dimensional environmental data, implementation complexity, and limited automation. We introduce a generative AI framework that harnesses Large Language Models (LLMs) to automate the creation of interactive geospatial dashboards from user-defined inputs including UI wireframes, requirements, and data sources. By incorporating a structured knowledge graph, the workflow embeds domain knowledge into the generation process and enable accurate and context-aware code completions. A key component of our approach is the Context-Aware Visual Prompting (CAVP) mechanism, which extracts encodes and interface semantics from visual layouts to guide LLM driven generation of codes. The new framework also integrates a self-validation mechanism that uses an agent-based LLM and Pass@k evaluation alongside semantic metrics to assure output reliability. Dashboard snippets are paired with data visualization codebases and ontological representations, enabling a pipeline that produces scalable React-based completions using the MVVM architectural pattern. Our results demonstrate improved performance over baseline approaches and expanded functionality over third party platforms, while incorporating multi-page, fully functional interfaces. We successfully developed a framework to implement LLMs, demonstrated the pipeline for automated code generation, deployment, and performed chain-of-thought AI agents in self-validation. This integrative approach is guided by structured knowledge and visual prompts, providing an innovative geospatial solution in enhancing risk analysis and decision making.
• Abstract（参考訳）: リスク分析と意思決定支援のためのWebベースの地理空間ダッシュボードの開発は、大規模で多次元の環境データの可視化の難しさ、実装の複雑さ、自動化の制限により、しばしば課題となる。 UIワイヤフレームや要件,データソースなど,ユーザ定義の入力からインタラクティブな地理空間ダッシュボードの作成を自動化するために,LLM(Large Language Models)を利用した生成AIフレームワークを導入する。 構造化知識グラフを組み込むことで、ワークフローはドメイン知識を生成プロセスに組み込んで、正確でコンテキスト対応のコード補完を可能にする。 このメカニズムは、視覚レイアウトからエンコードとインターフェイスのセマンティクスを抽出し、LCM駆動によるコード生成をガイドします。 新しいフレームワークには、エージェントベースのLLMとPass@k評価をセマンティックメトリクスと組み合わせて、出力の信頼性を保証するセルフバリデーションメカニズムも統合されている。 ダッシュボードスニペットは、データ視覚化コードベースとオントロジ表現と組み合わせて、MVVMアーキテクチャパターンを使用してスケーラブルなReactベースの補完を生成するパイプラインを可能にする。 その結果,ベースラインアプローチよりもパフォーマンスが向上し,サードパーティプラットフォームよりも機能が向上し,マルチページで完全に機能的なインターフェースが組み込まれていることがわかった。 LLMを実装するためのフレームワークの開発に成功し、自動コード生成、デプロイメントのためのパイプラインを実証し、自己検証でチェーンオブAIエージェントを実行しました。 この統合的アプローチは構造化された知識と視覚的プロンプトによって導かれ、リスク分析と意思決定を強化する革新的な地理空間的ソリューションを提供する。

関連論文リスト

• Z-Space: A Multi-Agent Tool Orchestration Framework for Enterprise-Grade LLM Automation [3.518072776386001]
  本稿では,データ生成指向型マルチエージェント協調ツール実行フレームワークZ-Spaceを提案する。 このフレームワークはElemeプラットフォームの技術部門にデプロイされており、大規模なテストデータ生成シナリオを提供している。 生産データは、ツール推論における平均トークン消費を96.26%削減していることを示している。
  論文  参考訳（メタデータ） (2025-11-23T03:59:14Z)
• Affordance Representation and Recognition for Autonomous Agents [64.39018305018904]
  本稿では,構造化データを用いた世界モデリングのためのパターン言語を提案する。 DOMトランスダクションパターンは、Webページの複雑さの課題に対処する。 Hypermedia Affordances Recognition Patternは、エージェントがその世界モデルを動的に強化することを可能にする。
  論文  参考訳（メタデータ） (2025-10-28T14:27:28Z)
• Agent0: Leveraging LLM Agents to Discover Multi-value Features from Text for Enhanced Recommendations [0.0]
  大規模言語モデル(LLM)とその関連するエージェントベースのフレームワークは、かなり高度な自動情報抽出を持っている。 本稿では,未構造化テキストから情報抽出と特徴構築を自動化するエージェントベースシステムであるAgent0を提案する。
  論文  参考訳（メタデータ） (2025-07-25T06:45:10Z)
• A Survey on (M)LLM-Based GUI Agents [62.57899977018417]
  グラフィカルユーザインタフェース (GUI) エージェントは、人間とコンピュータのインタラクションにおいて、トランスフォーメーションパラダイムとして登場した。 大規模言語モデルとマルチモーダル学習の最近の進歩は、デスクトップ、モバイル、Webプラットフォーム全体でGUI自動化に革命をもたらした。 本調査では, 正確な要素位置決定, 効果的な知識検索, 長期計画, 安全に配慮した実行制御など, 重要な技術的課題を明らかにする。
  論文  参考訳（メタデータ） (2025-03-27T17:58:31Z)
• From PowerPoint UI Sketches to Web-Based Applications: Pattern-Driven Code Generation for GIS Dashboard Development Using Knowledge-Augmented LLMs, Context-Aware Visual Prompting, and the React Framework [1.4367082420201918]
  本稿では,複雑なGISアプリケーションのための知識拡張型コード生成フレームワークを提案する。 このフレームワークは、専門知識ベースから、ソフトウェアエンジニアリングのベストプラクティス、ドメイン、および高度な技術スタックを取得する。
  論文  参考訳（メタデータ） (2025-02-12T19:59:57Z)
• Iris: Breaking GUI Complexity with Adaptive Focus and Self-Refining [67.87810796668981]
  インフォメーション・インフォメーション・インフォメーション・クロッピング(ISC)と自己精製デュアルラーニング(SRDL) Irisは850KのGUIアノテーションだけで、複数のベンチマークで最先端のパフォーマンスを実現している。 これらの改善は、WebとOSエージェントの両方の下流タスクで大幅に向上した。
  論文  参考訳（メタデータ） (2024-12-13T18:40:10Z)
• Intelligent Spark Agents: A Modular LangGraph Framework for Scalable, Visualized, and Enhanced Big Data Machine Learning Workflows [1.4582633500696451]
  LangGraphフレームワークは、スケーラビリティ、視覚化、インテリジェントなプロセス最適化を通じて機械学習を強化するように設計されている。 このフレームワークの中核となるのは、Sparkの分散コンピューティング機能を活用する重要なイノベーションであるAgent AIだ。 フレームワークにはLangChainエコシステムを通じて大きな言語モデルも組み込まれており、構造化されていないデータとのインタラクションが強化されている。
  論文  参考訳（メタデータ） (2024-12-02T13:41:38Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)

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。