論文の概要: GeoContra: From Fluent GIS Code to Verifiable Spatial Analysis with Geography-Grounded Repair
- arxiv url: http://arxiv.org/abs/2605.00782v1
- Date: Fri, 01 May 2026 16:58:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 17:43:29.020483
- Title: GeoContra: From Fluent GIS Code to Verifiable Spatial Analysis with Geography-Grounded Repair
- Title（参考訳）: GeoContra: フルイレントGISコードから地理学的修復による検証可能な空間分析へ
- Authors: Yinhao Xiao, Rongbo Xiao, Yihan Zhang,
- Abstract要約: LLM駆動型Python GISの検証・修理フレームワークであるGeoContraを提案する。
これは各タスクを、自然言語の質問、スキーマ、CRS、期待出力、空間述語、トポロジー、メトリクス、必要な操作、禁止されたショートカットを含む実行可能な地理空間契約として表現する。
GeoContraは、流動的なコード生成を検証可能な空間分析に変換し、負の移動時間、CRS/フィールド-スキーマ違反、不足した述語、その他の場合では実行可能だが地理的に無効な結果をもたらす脆い出力キャストをキャッチする。
- 参考スコア（独自算出の注目度）: 5.952966811417142
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reliable spatial analysis in GIScience requires preserving coordinate semantics, topology, units, and geographic plausibility. Current LLM-based GIS systems generate fluent scripts but rarely enforce these geographic rules at scale. We present GeoContra, a verification and repair framework for LLM-driven Python GIS workflows. It represents each task as an executable geospatial contract-including natural-language questions, schemas, CRS metadata, expected outputs, spatial predicates, topology, metrics, required operations, and forbidden shortcuts. Generated programs undergo static rule inspection, runtime validation, and semantic verification, with violations fed back into a bounded repair loop. Evaluated on 7,079 real geospatial tasks across 15 Boston-area zones, 9 task families, and 11 open-source models (600 runs each), GeoContra improves spatial correctness on closed models from 47.6% to 77.5% for DeepSeek-V4 and from 57.7% to 81.5% for Kimi-K2.5. Across 11 open models, average correctness rises by 26.6%. GeoContra turns fluent code production into verifiable spatial analysis, catching negative travel times, CRS/field-schema violations, missing predicates, and brittle output casts that otherwise yield executable but geographically invalid results.
- Abstract（参考訳）: GIScienceにおける信頼性の高い空間分析には、座標意味論、トポロジ、単位、地理的妥当性の保存が必要である。
現在のLLMベースのGISシステムは、流動的なスクリプトを生成するが、これらの地理的ルールを大規模に強制することは滅多にない。
提案するGeoContraは,LLM駆動のPython GISワークフローの検証と修復を行うフレームワークである。
これは各タスクを、自然言語の質問、スキーマ、CRSメタデータ、期待出力、空間述語、トポロジー、メトリクス、必要な操作、禁止されたショートカットを含む実行可能な地理空間契約として表現する。
生成されたプログラムは静的ルール検査、実行時検証、セマンティック検証を行う。
ボストン・エリアの15の地域、9のタスク・ファミリー、11のオープンソース・モデル(600がそれぞれ運用されている)の7,079の実際の地理空間的タスクに基づいて評価され、GeoContraはクローズド・モデルの空間的正しさを、DeepSeek-V4では47.6%から77.5%、キミ-K2.5では57.7%から81.5%に改善している。
11個のオープンモデルで平均精度は26.6%上昇した。
GeoContraは、流動的なコード生成を検証可能な空間分析に変換し、負の移動時間、CRS/フィールド-スキーマ違反、不足した述語、その他の場合では実行可能だが地理的に無効な結果をもたらす脆い出力キャストをキャッチする。
関連論文リスト
- ReaGeo: Reasoning-Enhanced End-to-End Geocoding with LLMs [8.089023511080248]
本稿では,大規模言語モデルに基づくエンドツーエンドのジオコーディングフレームワークReaGeoを提案する。
この方法は、座標をジオハッシュシーケンスに変換し、座標予測タスクをテキスト生成問題として再構成する。
距離決定に基づく報酬を用いた強化学習を適用し、生成精度を最適化する。
論文 参考訳（メタデータ） (2026-04-23T07:18:21Z) - GeoAgent: Learning to Geolocate Everywhere with Reinforced Geographic Characteristics [91.17301794848025]
本稿では,人間と密に推論し,詳細なアドレス結論を導出できるGeoAgentについて述べる。
従来のRLベースの手法は、パフォーマンスと解釈可能性においてブレークスルーを達成したが、AI生成のチェーン・オブ・プリート(CoT)データとトレーニング戦略に依存しているため、依然として懸念が残っている。
論文 参考訳（メタデータ） (2026-02-13T04:48:05Z) - GeoFocus: Blending Efficient Global-to-Local Perception for Multimodal Geometry Problem-Solving [55.14836667214487]
GeoFocusは、2つのコアモジュールからなる新しいフレームワークである。
GeoFocusは、主要な特殊モデルよりも4.7%の精度向上を実現している。
多様な視覚条件下でのMATHVERSEの強靭性を示す。
論文 参考訳（メタデータ） (2026-02-09T11:15:01Z) - InstaGeo: Compute-Efficient Geospatial Machine Learning from Data to Deployment [3.6927415209865533]
InstaGeoは、生の衛星画像をモデル対応のデータセットに変換するためのオープンソースのフレームワークである。
InstaGeoはどのようにして生画像をモデル対応のデータセットに変換し、コンパクトで計算効率の良いモデルを生成するかを示す。
我々はまた、InstaGeoが研究グレードのGFMを、リアルタイムで大規模な地球観測のための実用的で低炭素のツールに変える方法も示している。
論文 参考訳（メタデータ） (2025-10-07T06:57:15Z) - GeoAnalystBench: A GeoAI benchmark for assessing large language models for spatial analysis workflow and code generation [32.22754624992446]
実世界の地理空間問題から派生したPythonベースのタスク50のベンチマークであるGeoAnalystBenchを紹介する。
このベンチマークを用いて、プロプライエタリモデルとオープンソースモデルの両方を評価します。
ChatGPT-4o-miniのようなプロプライエタリなモデルは95%の妥当性とより強力なコードアライメントを実現します。
論文 参考訳（メタデータ） (2025-09-07T00:51:57Z) - Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。
大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。
また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
論文 参考訳（メタデータ） (2025-02-19T14:21:25Z) - Geo-FuB: A Method for Constructing an Operator-Function Knowledge Base for Geospatial Code Generation Tasks Using Large Language Models [0.5242869847419834]
本研究では,地理空間記述のセマンティクスを活用して,そのような知識基盤を構築するためのフレームワークを提案する。
サンプルの知識ベースであるGeo-FuBは154,075のGoogle Earth Engineスクリプトで構築されており、GitHubで公開されている。
論文 参考訳（メタデータ） (2024-10-28T12:50:27Z) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳（メタデータ） (2023-10-10T00:03:23Z) - GeoGPT: Understanding and Processing Geospatial Tasks through An
Autonomous GPT [6.618846295332767]
GISの意思決定者は、空間的タスクを解決するために、一連の空間的アルゴリズムと演算を組み合わせる必要がある。
我々は,地理空間データ収集,処理,解析を自律的に行うことのできるGeoGPTと呼ばれる新しいフレームワークを開発した。
論文 参考訳（メタデータ） (2023-07-16T03:03:59Z)
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。