論文の概要: EWE: An Agentic Framework for Extreme Weather Analysis

• arxiv url: http://arxiv.org/abs/2511.21444v1
• Date: Wed, 26 Nov 2025 14:37:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:59.145864
• Title: EWE: An Agentic Framework for Extreme Weather Analysis
• Title（参考訳）: EWE:極端気象解析のためのエージェントフレームワーク
• Authors: Zhe Jiang, Jiong Wang, Xiaoyu Yue, Zijie Guo, Wenlong Zhang, Fenghua Ling, Wanli Ouyang, Lei Bai,
• Abstract要約: Extreme Weather Expert (EWE)は、このタスクに特化した最初のインテリジェントエージェントフレームワークである。 EWEは、知識誘導計画、クローズドループ推論、およびドメイン調整された気象ツールキットを通じて、専門家の可視化をエミュレートする。 進展を触媒するため、我々は103のハイインパクトイベントをキュレートしたデータセットを含む、この新興分野の最初のベンチマークを紹介した。
• 参考スコア（独自算出の注目度）: 61.092871317626496
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Extreme weather events pose escalating risks to global society, underscoring the urgent need to unravel their underlying physical mechanisms. Yet the prevailing expert-driven, labor-intensive diagnostic paradigm has created a critical analytical bottleneck, stalling scientific progress. While AI for Earth Science has achieved notable advances in prediction, the equally essential challenge of automated diagnostic reasoning remains largely unexplored. We present the Extreme Weather Expert (EWE), the first intelligent agent framework dedicated to this task. EWE emulates expert workflows through knowledge-guided planning, closed-loop reasoning, and a domain-tailored meteorological toolkit. It autonomously produces and interprets multimodal visualizations from raw meteorological data, enabling comprehensive diagnostic analyses. To catalyze progress, we introduce the first benchmark for this emerging field, comprising a curated dataset of 103 high-impact events and a novel step-wise evaluation metric. EWE marks a step toward automated scientific discovery and offers the potential to democratize expertise and intellectual resources, particularly for developing nations vulnerable to extreme weather.
• Abstract（参考訳）: 極度の気象現象は世界社会にリスクをエスカレートさせ、その基盤となる物理的なメカニズムを解明する緊急の必要性を浮き彫りにする。 しかし、専門家主導の、労働集約的な診断パラダイムは、重要な分析ボトルネックを生み出し、科学的進歩を停滞させています。 AI for Earth Scienceは予測において顕著な進歩を遂げてきたが、自動診断推論の課題はいまだに未解明のままである。 我々は,このタスクに特化した最初のインテリジェントエージェントフレームワークであるExtreme Weather Expert (EWE)を提示する。 EWEは知識誘導計画、クローズドループ推論、ドメイン調整気象ツールキットを通じて専門家のワークフローをエミュレートする。 生の気象データからマルチモーダルな可視化を自律的に生成し、解釈し、包括的な診断分析を可能にする。 本研究は,103件のハイインパクトイベントのキュレートされたデータセットと,新たなステップワイズ評価指標を含む,この分野の最初のベンチマークを紹介する。 EWEは、自動化された科学的発見への一歩を踏み出し、特に極度の天候に弱い発展途上国の専門知識や知的資源を民主化する可能性を提供する。

関連論文リスト

• RadarQA: Multi-modal Quality Analysis of Weather Radar Forecasts [25.396253136103432]
  MLLMに基づく天気予報分析手法であるRadarQAを導入する。 RadarQAは、すべての評価設定において、既存の一般的なMLLMよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-08-17T08:50:07Z)
• Multi-Hazard Early Warning Systems for Agriculture with Featural-Temporal Explanations [5.363664265121231]
  気候の極端には農業へのリスクが増大する。 従来の単一ハザード予測手法は、同時気候事象間の複雑な相互作用を捉えるには不十分である。 本稿では、逐次的なディープラーニングモデルと高度な説明可能な人工知能(XAI)技術を組み合わせて、農業のためのマルチハザード予測フレームワークを導入する。
  論文  参考訳（メタデータ） (2025-07-30T05:16:35Z)
• A Self-Evolving AI Agent System for Climate Science [59.08800209508371]
  我々は,地球科学者のためのインタラクティブな"コパイロット"として設計された,初の自己進化型AIエージェントシステムであるEarthLinkを紹介する。 自然言語のインタラクションを通じて、EarthLinkは、計画、コード実行、データ分析、物理的推論を統合することで、研究ワークフロー全体を自動化します。 人のような学際的な分析能力と習熟度を示し、中核的な大規模気候タスクのエキスパート評価においてジュニア研究者に匹敵する能力を示す。
  論文  参考訳（メタデータ） (2025-07-23T08:29:25Z)
• Progressing from Anomaly Detection to Automated Log Labeling and Pioneering Root Cause Analysis [53.24804865821692]
  本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。 この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
  論文  参考訳（メタデータ） (2023-12-22T15:04:20Z)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)

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。