論文の概要: A Modular LLM-Agent System for Transparent Multi-Parameter Weather Interpretation

• arxiv url: http://arxiv.org/abs/2512.11819v1
• Date: Fri, 28 Nov 2025 22:24:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-21 14:22:08.693764
• Title: A Modular LLM-Agent System for Transparent Multi-Parameter Weather Interpretation
• Title（参考訳）: 透過型多パラメータ気象解釈のためのモジュール式LLM-Agentシステム
• Authors: Daniil Sukhorukov, Andrei Zakharov, Nikita Glazkov, Katsiaryna Yanchanka, Vladimir Kirilin, Maxim Dubovitsky, Roman Sultimov, Yuri Maksimov, Ilya Makarov,
• Abstract要約: 本稿では,AI-Meteorologistについて紹介する。AI-Meteorologistは,生の数値予測を科学的に基礎づけた物語レポートに変換する,説明可能なLCMエージェントフレームワークである。 本研究は,高密度表や非構造時系列として提示される従来の予測出力とは異なり,複数の気象変数にまたがるエージェントベース解析を行う。 我々は、AI-気象学者が気象イベントだけでなく、その下にある大気中のドライバーをいかに伝えるかを示す。
• 参考スコア（独自算出の注目度）: 3.0354231393746685
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Weather forecasting is not only a predictive task but an interpretive scientific process requiring explanation, contextualization, and hypothesis generation. This paper introduces AI-Meteorologist, an explainable LLM-agent framework that converts raw numerical forecasts into scientifically grounded narrative reports with transparent reasoning steps. Unlike conventional forecast outputs presented as dense tables or unstructured time series, our system performs agent-based analysis across multiple meteorological variables, integrates historical climatological context, and generates structured explanations that identify weather fronts, anomalies, and localized dynamics. The architecture relies entirely on in-context prompting, without fine-tuning, demonstrating that interpretability can be achieved through reasoning rather than parameter updates. Through case studies on multi-location forecast data, we show how AI-Meteorologist not only communicates weather events but also reveals the underlying atmospheric drivers, offering a pathway toward AI systems that augment human meteorological expertise and support scientific discovery in climate analytics.
• Abstract（参考訳）: 天気予報は予測的なタスクだけではなく、説明、文脈化、仮説生成を必要とする解釈的な科学的プロセスである。 本稿では,AI-Meteorologistについて紹介する。このフレームワークは生の数値予測を,透明な推論ステップによる科学的根拠のある物語レポートに変換する。 本システムでは,高密度表や非構造時系列として提示される従来の予測結果と異なり,複数の気象変数をエージェントベースで解析し,過去の気象状況を統合し,気象前線,異常,局部的なダイナミクスを識別する構造的説明を生成する。 アーキテクチャは完全にコンテキスト内でのプロンプトに依存しており、微調整なしで、パラメータ更新よりも推論によって解釈可能性を実現することができる。 マルチロケーション予測データに関するケーススタディを通じて、AI-気象学者が天気予報だけでなく、大気中の要因も明らかにし、人間の気象学の専門知識を高め、気候分析における科学的発見を支援するAIシステムへの道筋を提供する。

関連論文リスト

• Hierarchical AI-Meteorologist: LLM-Agent System for Multi-Scale and Explainable Weather Forecast Reporting [3.0354231393746685]
  階層型AI-気象学者は、階層型予測推論と天気キーワード生成を用いて説明可能な天気予報を生成する。 本フレームワークは,時間,6時間,日毎の多段階的推論を行い,短期的動態と長期的傾向の両方を捉える。
  論文  参考訳（メタデータ） (2025-11-28T17:27:06Z)
• Agentic AI Framework for Cloudburst Prediction and Coordinated Response [0.8697317909540486]
  本論文は,大気水循環インテリジェンスを研究するエージェント人工知能システムについて概説する。 このフレームワークは、イベントライフサイクル全体を通じて、推論、意味、行動する自律的だが協調的なエージェントを使用する。 スケーラブルな適応性と学習ベースの気候レジリエンスのプラットフォームを提供する。
  論文  参考訳（メタデータ） (2025-11-27T21:33:03Z)
• EWE: An Agentic Framework for Extreme Weather Analysis [61.092871317626496]
  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。
  論文  参考訳（メタデータ） (2025-11-26T14:37:25Z)
• DAWP: A framework for global observation forecasting via Data Assimilation and Weather Prediction in satellite observation space [60.729377189859]
  完全な観測空間でAIWPを動作させるためのDAWPフレームワークを提案する。 AIDAモジュールは、不規則な衛星観測トークンを同化するためにマスク多モードオートエンコーダを適用している。 我々はAIDAがAIWPのロールアウトと効率を大幅に改善し、地球規模の降水分解予測に適用できる有望な可能性を秘めていることを示す。
  論文  参考訳（メタデータ） (2025-10-13T03:13:35Z)
• Exploring Multimodal AI Reasoning for Meteorological Forecasting from Skew-T Diagrams [4.036372578802888]
  VLM(Vision-Language Models)は、他の科学領域でも有望であるが、気象図解釈への応用はほとんど未発見である。 我々は,スキューT図を小型言語モデル (LM) と人間の予測器をエミュレートする小型VLMを用いた軽量AIアシスタントを提案する。
  論文  参考訳（メタデータ） (2025-08-17T01:36:31Z)
• WeatherGFM: Learning A Weather Generalist Foundation Model via In-context Learning [69.82211470647349]
  第1次一般気象基礎モデル(WeatherGFM)を紹介する。 気象理解タスクの幅広い範囲を統一的な方法で解決する。 我々のモデルは、天気予報、超解像、天気画像翻訳、後処理など、最大10の気象理解タスクを効果的に処理できる。
  論文  参考訳（メタデータ） (2024-11-08T09:14:19Z)
• WeatherQA: Can Multimodal Language Models Reason about Severe Weather? [45.43764278625153]
  干し草、竜巻、雷雨などの激しい対流的な気象イベントは、しばしば急速に起こるが、大きな被害を招き、毎年何十億ドルもの費用がかかる。 このことは、気象学者や住民のリスクの高い地域での適切な準備のために、前もって厳しい天候の脅威を予知することの重要性を強調している。 我々は、気象パラメータの複雑な組み合わせを推論し、現実のシナリオで厳しい天候を予測するために、機械用に設計された最初のマルチモーダルデータセットであるWeatherQAを紹介する。
  論文  参考訳（メタデータ） (2024-06-17T05:23:18Z)
• 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。