論文の概要: ThinkTank-ME: A Multi-Expert Framework for Middle East Event Forecasting

• arxiv url: http://arxiv.org/abs/2601.17065v1
• Date: Thu, 22 Jan 2026 17:55:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:07.114667
• Title: ThinkTank-ME: A Multi-Expert Framework for Middle East Event Forecasting
• Title（参考訳）: ThinkTank-ME: 中東のイベント予測のための多機能フレームワーク
• Authors: Haoxuan Li, He Chang, Yunshan Ma, Yi Bin, Yang Yang, See-Kiong Ng, Tat-Seng Chua,
• Abstract要約: ThinkTank-MEは、中東のイベント予測のための新しいThink Tankフレームワークである。 現実の戦略的意思決定において、協調的な専門家分析をエミュレートする。 その結果、複雑な時間的地政学的予測タスクの処理におけるマルチエキスパート協調の優位性を示した。
• 参考スコア（独自算出の注目度）: 90.2216362565489
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event forecasting is inherently influenced by multifaceted considerations, including international relations, regional historical dynamics, and cultural contexts. However, existing LLM-based approaches employ single-model architectures that generate predictions along a singular explicit trajectory, constraining their ability to capture diverse geopolitical nuances across complex regional contexts. To address this limitation, we introduce ThinkTank-ME, a novel Think Tank framework for Middle East event forecasting that emulates collaborative expert analysis in real-world strategic decision-making. To facilitate expert specialization and rigorous evaluation, we construct POLECAT-FOR-ME, a Middle East-focused event forecasting benchmark. Experimental results demonstrate the superiority of multi-expert collaboration in handling complex temporal geopolitical forecasting tasks. The code is available at https://github.com/LuminosityX/ThinkTank-ME.
• Abstract（参考訳）: イベント予測は本質的に、国際関係、地域的歴史的ダイナミクス、文化的文脈など、多面的な考察の影響を受けている。 しかし、既存のLCMベースのアプローチでは、特定の明示的な軌跡に沿って予測を生成する単一モデルアーキテクチャを採用しており、複雑な地域的文脈をまたいだ多様な地政学的ニュアンスを捉える能力を制限している。 この制限に対処するため、中東のイベント予測のための新しいThink TankフレームワークであるThinkTank-MEを紹介し、現実の戦略的意思決定における協調的専門家分析をエミュレートする。 専門家の専門化と厳格な評価を容易にするため,中東のイベント予測ベンチマークであるPOLECAT-FOR-MEを構築した。 複雑な時間的地政学的予測タスクの処理におけるマルチエキスパート協調の優位性を示す実験結果が得られた。 コードはhttps://github.com/LuminosityX/ThinkTank-MEで公開されている。

関連論文リスト

• What If TSF: A Benchmark for Reframing Forecasting as Scenario-Guided Multimodal Forecasting [8.593646221015264]
  TSF(WIT)は、モデルが文脈テキストで予測を条件付けできるかどうかを評価するためのベンチマークである。 WITはシナリオ誘導型マルチモーダル予測のための厳格なテストベッドを提供する。
  論文  参考訳（メタデータ） (2026-01-13T12:47:43Z)
• Bridging the Gap Between Bayesian Deep Learning and Ensemble Weather Forecasts [100.26854618129039]
  天気予報は、大気のカオス的な性質によって根本的に挑戦されている。 ベイジアンディープラーニング(BDL)の最近の進歩は、有望だがしばしば非接続な代替手段を提供する。 気象予報のための統合型BDLフレームワークにより,これらのパラダイムを橋渡しする。
  論文  参考訳（メタデータ） (2025-11-18T07:49:52Z)
• STCast: Adaptive Boundary Alignment for Global and Regional Weather Forecasting [35.64570745321468]
  適応的地域境界最適化と動的月次予測アロケーションのための新しいAI駆動フレームワークを提案する。 具体的には,グローバル空間分布と地域空間分布を整合させるSAA(Spatial-Aligned Attention)機構を用いる。 また、異なる月ごとの大気変数を専門の専門家に動的にルーティングするTMOEモジュールを設計する。
  論文  参考訳（メタデータ） (2025-09-21T05:27:52Z)
• Understanding and Leveraging the Expert Specialization of Context Faithfulness in Mixture-of-Experts LLMs [33.32130125757288]
  本研究は,特定の専門家が文脈利用に特化しているかどうかを考察する。 我々は,コンテキストファインフルエキスパート(CEFT)を選択的に微調整する軽量な最適化手法として,コンテキストファインフルエキスパート(CEFT)を紹介した。
  論文  参考訳（メタデータ） (2025-08-27T06:07:13Z)
• Enhancing CTR Prediction with De-correlated Expert Networks [45.50697497028273]
  本稿では,専門的相関を最小化するクロスエキスパートデコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレー 我々はD-MoEがMulti-Embedding MoEベースラインと比較して1.19%のGross Merchandise Volume (GMV)リフトを達成することを示す。
  論文  参考訳（メタデータ） (2025-05-23T14:04:38Z)
• Context is Key: A Benchmark for Forecasting with Essential Textual Information [87.3175915185287]
  コンテキスト is Key" (CiK) は、数値データを多種多様なテキストコンテキストと組み合わせた予測ベンチマークである。 我々は,統計モデル,時系列基礎モデル,LLMに基づく予測モデルなど,さまざまなアプローチを評価する。 提案手法は,提案するベンチマークにおいて,他の試験手法よりも優れる簡易かつ効果的なLCMプロンプト法である。
  論文  参考訳（メタデータ） (2024-10-24T17:56:08Z)
• PredBench: Benchmarking Spatio-Temporal Prediction across Diverse Disciplines [86.36060279469304]
  予測時間ネットワークの総合評価に適したベンチマークであるPredBenchを紹介する。 このベンチマークでは、広く採用されている12のメソッドと、複数のアプリケーションドメインにまたがる多様なデータセットを統合する。 その多次元評価フレームワークは、総合的なメトリクスセットで分析を広げる。
  論文  参考訳（メタデータ） (2024-07-11T11:51:36Z)
• SCTc-TE: A Comprehensive Formulation and Benchmark for Temporal Event Forecasting [63.01035584154509]
  私たちは完全に自動化されたパイプラインを開発し、約0.6百万のニュース記事からMidEast-TEという大規模なデータセットを構築しました。 このデータセットは、2015年から2022年まで、主に中東地域での協力と紛争イベントに焦点を当てている。 そこで本稿では,SCTc-TE予測にローカルコンテキストとグローバルコンテキストの両方を活用可能なLoGoを提案する。
  論文  参考訳（メタデータ） (2023-12-02T07:40:21Z)

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。