論文の概要: AgriRegion: Region-Aware Retrieval for High-Fidelity Agricultural Advice

• arxiv url: http://arxiv.org/abs/2512.10114v1
• Date: Wed, 10 Dec 2025 22:06:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.083469
• Title: AgriRegion: Region-Aware Retrieval for High-Fidelity Agricultural Advice
• Title（参考訳）: AgriRegion:高忠実農業アドバイザの地域対応検索
• Authors: Mesafint Fanuel, Mahmoud Nabil Mahmoud, Crystal Cook Marshal, Vishal Lakhotia, Biswanath Dari, Kaushik Roy, Shaohu Zhang,
• Abstract要約: AgriRegion(アグリレギオン)は、高忠実で地域対応の農業アドバイザリーのために特別に設計されたレトリーバル拡張世代(RAG)フレームワークである。 知識基盤を地域農業拡張サービスに限定することにより、AgriRegionは、植え付けスケジュール、害虫防除、受精に関するアドバイスが局所的に正確であることを保証します。
• 参考スコア（独自算出の注目度）: 5.67768730948654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) have demonstrated significant potential in democratizing access to information. However, in the domain of agriculture, general-purpose models frequently suffer from contextual hallucination, which provides non-factual advice or answers are scientifically sound in one region but disastrous in another due to variations in soil, climate, and local regulations. We introduce AgriRegion, a Retrieval-Augmented Generation (RAG) framework designed specifically for high-fidelity, region-aware agricultural advisory. Unlike standard RAG approaches that rely solely on semantic similarity, AgriRegion incorporates a geospatial metadata injection layer and a region-prioritized re-ranking mechanism. By restricting the knowledge base to verified local agricultural extension services and enforcing geo-spatial constraints during retrieval, AgriRegion ensures that the advice regarding planting schedules, pest control, and fertilization is locally accurate. We create a novel benchmark dataset, AgriRegion-Eval, which comprises 160 domain-specific questions across 12 agricultural subfields. Experiments demonstrate that AgriRegion reduces hallucinations by 10-20% compared to state-of-the-art LLMs systems and significantly improves trust scores according to a comprehensive evaluation.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、情報へのアクセスを民主化する大きな可能性を示している。 しかし、農業の分野では、一般目的モデルは文脈的幻覚に悩まされることが多く、非実効的なアドバイスや答えは、ある地域で科学的に健全であるが、土壌、気候、地方規制の変化により、別の地域では悲惨である。 本稿では,高忠実で地域対応の農業アドバイザリーに特化して設計されたRAGフレームワークであるAgriRegionを紹介する。 セマンティックな類似性にのみ依存する標準的なRAGアプローチとは異なり、AgriRegionには地理空間メタデータ注入層と、リージョン優先の再分類機構が組み込まれている。 アグリレギオンは、地域農業拡張サービスの検証に知識ベースを制限し、検索中に地理的空間的制約を課すことで、植え付けスケジュール、害虫防除、受精に関するアドバイスが局所的に正確であることを保証している。 我々は新しいベンチマークデータセットであるAgriRegion-Evalを作成し、12の農業サブフィールドに160のドメイン固有の質問を含む。 実験により、AgriRegionは最先端のLLMシステムと比較して幻覚を10～20%減らし、総合的な評価により信頼スコアを大幅に改善することが示された。

関連論文リスト

• AgriDoctor: A Multimodal Intelligent Assistant for Agriculture [45.77373971125537]
  AgriDoctorは、インテリジェントな作物病診断と農業知識の相互作用のために設計されたモジュラーでマルチモーダルなフレームワークである。 効果的なトレーニングと評価を容易にするために,400000の注釈付き疾患画像,831のエキスパートによる知識エントリ,30000のバイリンガルプロンプトによるインテント駆動ツール選択のベンチマークであるAgriMMを構築した。 実験により、AgriMMで訓練されたAgriDoctorは、細粒度の農業作業において最先端のLVLMを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2025-09-21T11:51:57Z)
• AgriGPT: a Large Language Model Ecosystem for Agriculture [16.497060004913806]
  AgriGPTは、農業利用のためのドメイン特化大規模言語モデルエコシステムである。 信頼性のあるデータソースを,高品質で標準化された質問応答データセットであるAgri-342Kにコンパイルする,スケーラブルなデータエンジンを設計する。 本稿では,高密度検索,スパース検索,マルチホップ知識グラフ推論を組み合わせた3チャンネル検索拡張フレームワークTri-RAGを用いる。
  論文  参考訳（メタデータ） (2025-08-12T04:51:08Z)
• AgriCHN: A Comprehensive Cross-domain Resource for Chinese Agricultural Named Entity Recognition [30.51577375197722]
  本稿では,AgriCHNについて紹介する。AgriCHNは,自動化農業エンティティアノテーションの精度を高めるために設計された,包括的なオープンソース中国語リソースである。 データセットは、合計4,040件の文と15,799件の農業団体の言及をカプセル化した、豊富な農業記事から慎重に収集されている。 ベンチマークタスクは、いくつかの最先端のニューラルNERモデルを使用して構築されている。
  論文  参考訳（メタデータ） (2025-06-21T04:21:11Z)
• AgroXAI: Explainable AI-Driven Crop Recommendation System for Agriculture 4.0 [0.5461938536945723]
  我々は、農業分野の運用効率と生産性を向上させるために、IoT(Internet of Things)、機械学習(ML)、説明可能な人工知能(XAI)などの新興技術を採用しています。 具体的には、気候や土壌条件に基づいて、地域に適した作物を提示するエッジコンピューティングによる説明可能な作物推薦システムAgroXAIを提案する。
  論文  参考訳（メタデータ） (2024-12-16T20:18:10Z)
• Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
  農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。 このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。 本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T04:34:23Z)
• AgriBench: A Hierarchical Agriculture Benchmark for Multimodal Large Language Models [4.12825661607328]
  AgriBenchは農業用マルチモーダル言語モデル(MM-LLM)を評価するために設計された最初のベンチマークである。 我々は,1,784の景観イメージ,セグメンテーションマスク,深度マップ,詳細なアノテーションを含むマルチモーダル農業データセットMM-LUCASを提案する。 本研究は,農業におけるMM-LLMの進歩における画期的な視点を示し,現在進行中であり,専門知識に基づくMM-LLMの今後の発展と革新に価値ある洞察を提供する。
  論文  参考訳（メタデータ） (2024-11-30T12:59:03Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
  サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。 しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。 本稿では,知識蒸留を用いた領域一般化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-03T14:28:29Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)

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。