論文の概要: Risk-Aware LLM Agents for Geospatial Data Retrieval: Design and Preliminary Adversarial Evaluation
- arxiv url: http://arxiv.org/abs/2606.15077v1
- Date: Sat, 13 Jun 2026 03:15:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:32.76727
- Title: Risk-Aware LLM Agents for Geospatial Data Retrieval: Design and Preliminary Adversarial Evaluation
- Title（参考訳）: 地理空間データ検索のためのリスク対応LDMエージェント:設計と予備的対応評価
- Authors: Kyle Gao, Joel Cumming, Jonathan Li, Linlin Xu, David A. Clausi,
- Abstract要約: このシステムは、ユーザの意図を構造化されたAPI呼び出しに変換し、衛星画像や環境データセットへの効率的なアクセスを可能にする。
モジュラーフレームワークは、APIスキーマ置換を通じてプラットフォーム間で移植可能であり、環境監視、災害対応、気候分析のアプリケーションをサポートする。
- 参考スコア（独自算出の注目度）: 13.556629148264994
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present an LLM-driven framework for retrieving remote sensing data from cloud-based geospatial catalogues using natural language queries. The system converts user intent into structured API calls, enabling efficient access to satellite imagery and environmental datasets. The architecture integrates three agents: Guardrail for safety and policy enforcement, General-QA for intent interpretation, and Recommender-Analyst for schema-aware API call generation. This coordinated design ensures reliable, semantically aligned interaction with external data services. The modular framework is portable across platforms through API schema substitution and supports applications in environmental monitoring, disaster response, and climate analysis. It establishes a scalable interface between user intent and geospatial infrastructure, enabling streamlined and automated Earth observation workflows. Preliminary experiments under adversarial multi-turn settings show that prompt-level safety instructions improve robustness, although rare high-impact failures persist in API manipulation scenarios and highlight the need for adaptive, system-level defenses that balance safety, usability, and cost efficiency, which motivates the use of our intercept-level Guardrail agent.
- Abstract（参考訳）: 自然言語クエリを用いたクラウドベースの地理空間カタログからリモートセンシングデータを取得するためのLLM駆動フレームワークを提案する。
このシステムは、ユーザの意図を構造化されたAPI呼び出しに変換し、衛星画像や環境データセットへの効率的なアクセスを可能にする。
このアーキテクチャは、安全とポリシーの執行のためのガードレール、インテント解釈のためのジェネラルQA、スキーマ対応のAPIコール生成のためのRecommender-Analystの3つのエージェントを統合している。
この協調設計により、外部データサービスとの信頼性、セマンティックな連携が保証される。
モジュラーフレームワークは、APIスキーマ置換を通じてプラットフォーム間で移植可能であり、環境監視、災害対応、気候分析のアプリケーションをサポートする。
ユーザインテントと地理空間インフラストラクチャ間のスケーラブルなインターフェースを確立し、合理化された自動化された地球観測ワークフローを可能にする。
逆向きのマルチターン設定下での予備実験では、迅速なレベルの安全指示は堅牢性を改善するが、API操作シナリオでは稀な高インパクト障害が持続し、安全性、ユーザビリティ、コスト効率のバランスをとる適応型システムレベルの防御の必要性を強調し、インターセプトレベルのガードレールエージェントの使用を動機付けている。
関連論文リスト
- The Model Is Not the Product: A Dual-Pillar Architecture for Local-First Psychological Coaching [51.56484100374058]
本報告では,iOS アプリケーションである Psych LM について紹介する。
Psych LMは、動作およびライフコーチングアプリケーション用に設計された、目的に構築された、ローカルファーストのランタイム内で、ローカル、オンデバイス言語モデルを実行する。
論文 参考訳（メタデータ） (2026-05-23T05:49:11Z) - AgentSkiller: Scaling Generalist Agent Intelligence through Semantically Integrated Cross-Domain Data Synthesis [30.512393568258105]
大規模言語モデルエージェントは、ツールを介して現実世界の問題を解決する可能性を実証するが、汎用的な知性は、質の低い長期データによってボトルネックとなる。
本稿では,現実的なセマンティックなドメイン間でのマルチターンインタラクションデータを合成する,完全に自動化されたフレームワークであるAgentSkillerを提案する。
論文 参考訳（メタデータ） (2026-02-10T03:21:42Z) - Why Does the LLM Stop Computing: An Empirical Study of User-Reported Failures in Open-Source LLMs [50.075587392477935]
オープンソースのDeepSeek、Llama、Qwenのエコシステムから、705の現実世界の失敗に関する大規模な実証的研究を行った。
ホワイトボックスオーケストレーションは、モデルアルゴリズムの欠陥からデプロイメントスタックのシステム的脆弱性へと、信頼性のボトルネックを移動させます。
論文 参考訳（メタデータ） (2026-01-20T06:42:56Z) - Context-Aware Visual Prompting: Automating Geospatial Web Dashboards with Large Language Models and Agent Self-Validation for Decision Support [1.506501956463029]
リスク分析と意思決定のためのWebベースのダッシュボードの開発は、大きな多次元データの難しさに悩まされることが多い。
ユーザ定義入力からインタラクティブな地理空間ダッシュボードの作成を自動化する生成AIフレームワークを導入する。
論文 参考訳（メタデータ） (2025-10-10T10:58:15Z) - Osprey: A Scalable Framework for the Orchestration of Agentic Systems [0.4970364068620607]
Osprey Frameworkはスケーラブルなエージェントシステムのためのプロダクション対応アーキテクチャで、会話コンテキストと安全なクリティカルドメイン間の堅牢なツールオーケストレーションを統合する。
i) 関連するツールのみを選択する動的機能分類、(ii) 明示的な依存関係とオプションの人間による承認を伴う計画ファーストオーケストレーション、(iii) 対話履歴と外部メモリとドメインリソースを組み合わせたコンテキスト対応タスク抽出。
論文 参考訳（メタデータ） (2025-08-20T20:57:13Z) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z) - On Automating Security Policies with Contemporary LLMs [3.47402794691087]
本稿では、テキスト内学習と検索強化生成(RAG)の革新的組み合わせにより、攻撃緩和ポリシーコンプライアンスを自動化するフレームワークを提案する。
STIXv2 フォーマットと Windows API ドキュメントで公開されている CTI ポリシを用いて実施した実証評価では,RAG ベースラインに比べて精度,リコール,F1 スコアの大幅な向上が示されている。
論文 参考訳（メタデータ） (2025-06-05T09:58:00Z) - ThinkGeo: Evaluating Tool-Augmented Agents for Remote Sensing Tasks [64.86209459039313]
ThinkGeoは、構造化ツールの使用とマルチステップ計画を通じて、リモートセンシングタスクにおけるツール拡張エージェントを評価するために設計されたエージェントベンチマークである。
我々はReActスタイルの対話ループを実装し,486 個の構造化エージェントタスク上でのオープンソース LLM とクローズドソース LLM の両方を1,773 個の専門家が検証した推論ステップで評価する。
分析の結果、ツールの精度とモデル間の計画整合性に顕著な相違が明らかになった。
論文 参考訳（メタデータ） (2025-05-29T17:59:38Z) - Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。
我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。
ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文 参考訳（メタデータ） (2021-06-03T16:45:40Z)
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。