論文の概要: LLM-based uncertainty assessment of social media situational signals for crisis reporting

• arxiv url: http://arxiv.org/abs/2605.00829v1
• Date: Tue, 17 Mar 2026 17:13:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 06:56:26.427427
• Title: LLM-based uncertainty assessment of social media situational signals for crisis reporting
• Title（参考訳）: LLMを用いた危機報告のためのソーシャルメディア状況信号の不確実性評価
• Authors: Timothy Douglas, Roben Delos Reyes, Asanobu Kitamoto,
• Abstract要約: ソーシャルメディアは災害時の状況認識の重要な源となっている。 自動状況認識レポートのための不確実性認識フレームワークを提案する。 この枠組みを20万件以上の地震関連Twitter/X投稿に適用する。
• 参考スコア（独自算出の注目度）: 0.9877005520976848
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media has become a critical source of situational awareness during disasters, providing real-time insights into evolving impacts and emerging needs. To support crisis response at scale, recent work has increasingly leveraged large language models (LLMs) to automatically classify and summarize situational information from social media streams. However, existing approaches implicitly assume that extracted situational claims are equally plausible, despite information quality varying substantially as a crisis unfolds. In this work, we propose an uncertainty-aware framework for automated situational awareness reporting that explicitly accounts for the plausibility of social media claims. First, we classify social media posts according to an established situational awareness schema. Second, we introduce an uncertainty assessment layer that evaluates whether individual situational claims plausibly reflect real-world conditions when conditioned on external proxy data, while explicitly eliciting the model's confidence in this judgment. Third, we use these uncertainty assessments to generate crisis reports that communicate not only what is being reported, but how certain those reports are. We apply this framework to over 200,000 earthquake-related Twitter/X posts, using impact summaries from the USGS PAGER as a representative external proxy. We argue that explicitly representing uncertainty supports human crisis communicators in prioritizing information under time pressure, and provides a framework for integrating external proxy data into LLM-based situational awareness pipelines.
• Abstract（参考訳）: ソーシャルメディアは、災害時の状況認識の重要な源となり、進化する影響や新たなニーズに対するリアルタイムな洞察を提供する。 大規模な危機対応を支援するため、最近の研究は大規模言語モデル(LLM)を活用して、ソーシャルメディアストリームから状況情報を自動分類し、要約している。 しかし、既存のアプローチでは、危機が広がるにつれて情報品質が著しく変化するにもかかわらず、抽出された状況クレームが等しく妥当であると暗黙的に仮定している。 本研究では,ソーシャルメディアの主張の妥当性を明確に評価する,状況認識自動報告のための不確実性認識フレームワークを提案する。 まず,確立した状況認識スキーマに基づいてソーシャルメディアの投稿を分類する。 第2に、外部プロキシデータに条件付けされた場合、個別の状況的クレームが現実の条件を適切に反映するかどうかを評価するとともに、この判断に対するモデルの信頼を明示的に引き出す不確実性評価層を導入する。 第3に、これらの不確実性評価を使用して、報告されているものだけでなく、その報告がどの程度確実であるかを伝える危機報告を生成します。 我々は、USGS PAGERの衝撃サマリーを代表的外部プロキシとして利用し、20万件以上の地震関連Twitter/X投稿に適用する。 我々は、時間的プレッシャーの下で情報の優先順位付けにおいて、人間の危機コミュニケータを明示的に表すことは、人間の危機コミュニケータを支援し、外部プロキシデータをLCMベースの状況認識パイプラインに統合するためのフレームワークを提供する、と論じている。

関連論文リスト

• Agents of Chaos [50.53354213047402]
  実験室環境に展開する自律言語モデルを用いたエージェントの探索的再チームの研究を報告する。 20人のAI研究者が、良心的および敵対的な条件下でエージェントと対話した。 我々の発見は、現実的なデプロイメント設定におけるセキュリティ、プライバシ、ガバナンスに関連する脆弱性の存在を確立します。
  論文  参考訳（メタデータ） (2026-02-23T16:28:48Z)
• Situational Awareness as the Imperative Capability for Disaster Resilience in the Era of Complex Hazards and Artificial Intelligence [1.1368819707015188]
  災害はしばしば確立された危険モデルを超え、予期せぬ影響や脆弱性が効果的な対応を妨げている盲点を明らかにする。 状況認識(SA) - 動的危機条件を知覚し、解釈し、計画する能力は、しばしば見過ごされるが、災害の回復に不可欠な能力である。
  論文  参考訳（メタデータ） (2025-08-21T03:38:47Z)
• Information Retrieval Induced Safety Degradation in AI Agents [52.15553901577888]
  本研究では,検索アクセスの拡大がモデル信頼性,バイアス伝搬,有害コンテンツ生成に与える影響について検討した。 整列 LLM 上に構築された検索可能なエージェントは、検索なしでの無検閲モデルよりも安全でない振る舞いをすることが多い。 これらの発見は、検索可能でますます自律的なAIシステムの公正性と信頼性を確保するための堅牢な緩和戦略の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-05-20T11:21:40Z)
• Towards Automated Situation Awareness: A RAG-Based Framework for Peacebuilding Reports [2.230742111425553]
  本稿では,状況認識レポートを自律的に生成する動的検索・拡張生成システムを提案する。 本システムでは,要求に基づく問合せ固有の知識ベースを構築し,時間的,関連性,正確な洞察を確保する。 このシステムは、複数の実世界のシナリオでテストされ、一貫性があり、洞察力があり、実行可能なレポートを生成する効果を実証している。
  論文  参考訳（メタデータ） (2025-05-14T16:36:30Z)
• Enhancing Trustworthiness and Minimising Bias Issues in Leveraging Social Media Data for Disaster Management Response [0.1499944454332829]
  リアルタイムデータを活用することは、データの不確実性に大きく対処し、災害対応努力を強化することができる。 ソーシャルメディアは、災害前後のソーシャルメディアの利用が盛んに行われているため、リアルタイムデータの効果的な源泉として現れている。 また、これらのデータの信頼性とバイアスに関する課題も生み出します。 信頼性を高めバイアスを最小化するために使用できる要因を調査し、特定することを目的としている。
  論文  参考訳（メタデータ） (2024-08-15T10:59:20Z)
• CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [50.122541222825156]
  本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。 本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。 この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
  論文  参考訳（メタデータ） (2024-06-16T23:01:10Z)
• Adverse Media Mining for KYC and ESG Compliance [2.381399746981591]
  逆メディアやネガティブニュースのスクリーニングは、そのような非金融的リスクの特定に不可欠である。 本稿では,ユーザのクエリに対する有害メディアのリアルタイム検索とバッチ検索の両方を行う自動化システムを提案する。 高精度で有害なニュースフィルタリングに対する、スケーラブルで機械学習によるアプローチは、4つの視点に基づいています。
  論文  参考訳（メタデータ） (2021-10-22T01:04:16Z)
• Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
  我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。 動的パーソナライズされた価格設定などの問題の因果構造を形式化する。 本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
  論文  参考訳（メタデータ） (2021-10-19T16:15:56Z)
• Emergency Incident Detection from Crowdsourced Waze Data using Bayesian Information Fusion [4.039649741925056]
  本稿では,ノイズの多いクラウドソーシングWazeデータを用いた緊急インシデント検出手法を提案する。 本稿では,クラウドレポートの信頼性の不確かさをモデル化するための観測理論に基づく計算手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T22:45:03Z)

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。