論文の概要: KrishokChat: A Citation-Grounded Dataset and Benchmark for Bengali Agricultural Advisory

• arxiv url: http://arxiv.org/abs/2606.29243v1
• Date: Sun, 28 Jun 2026 07:19:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.844243
• Title: KrishokChat: A Citation-Grounded Dataset and Benchmark for Bengali Agricultural Advisory
• Title（参考訳）: KrishokChat:ベンガルの農業諮問機関のCitation-Grounded Datasetとベンチマーク
• Abstract要約: KrishokChatは,低資源環境下での作物指導のためのベンガル農業指導訓練データセットである。 我々は290の階層的知識ノードの基礎を確立し、129のドメインフィルタリング農業マニュアルから病気の症状、管理慣行、化学物質の服用、口頭刺激の引用を抽出した。 実世界のパフォーマンスを評価するため,フィールドサーベイとデジタルポータルから収集した1,001個の真正なファーマークエリからなるFarmer Benchmarkを紹介した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present KrishokChat, the first citation-grounded Bengali agricultural instruction-tuning dataset for crop advisory in low-resource settings. We establish a foundation of 290 hierarchical Knowledge Nodes, extracting disease symptoms, management practices, chemical dosages, and verbatim citations from 129 domain-filtered agricultural manuals. Every training instance inherits a verified citation header, guaranteeing 100% citation provenance. Using a Partitioned Seed Generation Matrix, these nodes are expanded into 139,200 supervised fine-tuning pairs, and augmented with 5,300 chemical safety and 1,000 adversarial safety instances, yielding 145,500 QA pairs across 18 crop categories. To evaluate real-world performance, we introduce the Farmer Benchmark, comprising 1,001 authentic farmer queries curated from field surveys and digital portals. Empirical evaluation on Gemma-4-E2B reveals that while fine-tuning on KrishokChat vastly improves structured formatting, standalone models still struggle with exact chemical dosage generalization. This highlights the dataset's true value as a verified knowledge base for retrieval-augmented generation (RAG) rather than mere parametric memorization. All data, code, and benchmarks are released under CC-BY-4.0.
• Abstract（参考訳）: KrishokChatは,低資源環境下での作物指導のためのベンガル農業指導訓練データセットである。 我々は290の階層的知識ノードの基礎を確立し、129のドメインフィルタリング農業マニュアルから病気の症状、管理慣行、化学物質の服用、口頭刺激の引用を抽出した。 各トレーニングインスタンスは認証された引用ヘッダを継承し、100%の引用証明を保証する。 分割シードジェネレーションマトリックスを使用して、これらのノードは139,200個の微調整ペアに拡張され、5,300個の化学的安全性と1,000個の敵の安全インスタンスで拡張され、18の作物カテゴリで145,500個のQAペアが生成される。 実世界のパフォーマンスを評価するため,フィールドサーベイとデジタルポータルから収集した1,001個の真正なファーマークエリからなるFarmer Benchmarkを紹介した。 Gemma-4-E2Bの実証的な評価により、KrishokChatの微調整は構造化フォーマッティングを大幅に改善する一方、スタンドアロンモデルは正確な化学量一般化に苦しむことが明らかになった。 これは、単なるパラメトリック記憶よりも、検索強化生成(RAG)の検証された知識ベースとしてのデータセットの真の価値を強調します。 すべてのデータ、コード、ベンチマークはCC-BY-4.0でリリースされる。

関連論文リスト

• ITPEval: Benchmarking Formal Translation Across Interactive Theorem Provers [77.95933562142014]
  ITPEvalは、4つの主要なIPP間で自動形式証明翻訳を評価するための最初のベンチマークである。 itpevalは、状態が分離されたウォームバックエンドを備えた、統合されたマルチITP認証インフラストラクチャです。
  論文  参考訳（メタデータ） (2026-07-07T22:05:55Z)
• Fine-Tuning General-Purpose Large Language Models for Agricultural Applications:A Reproducible Framework and Evaluation Protocol Based on Qwen3-8B [14.747665015038345]
  AgriTune-Rは、汎用的な大規模言語モデルを農業タスクに適用するためのフレームワークである。 このフレームワークは、農業データガバナンス、命令構築、LoRA/QLoRAパラメーター効率の微調整、検索強化生成、専門家評価、安全管理を統合している。
  論文  参考訳（メタデータ） (2026-06-27T16:02:50Z)
• ReLeaf: Benchmarking Leaf Segmentation across Domains and Species [2.446672595462589]
  葉レベルセグメンテーションは、作物の健康、成長動態、収量電位、局所的なストレス症状を評価するために用いられる。 進歩は、特に種の範囲に関して、専用のデータセットの欠如によって制限されている。 そこで我々は,植物23種を対象に,選択したCropAndWeed画像の半自動アノテーションを用いて,葉面マスクを用いた新しいベンチマークデータセットを提案する。 既存の4つのデータセットでトレーニングされたモデルでは、対応するテストセット間で平均mAP50-95が83.9%、新しいベンチマークでは40.2%となる。
  論文  参考訳（メタデータ） (2026-05-05T14:11:52Z)
• AgriChain Visually Grounded Expert Verified Reasoning for Interpretable Agricultural Vision Language Models [0.06372261626436676]
  我々はAgriChainを紹介した。AgriChainは、多種多様な作物と病理にまたがる約11,000の専門家による葉のイメージのデータセットである。 我々は、AgriChainにQwen2.5-VL-3Bを微調整し、AgriChain-VL3Bと呼ばれる特殊なモデルを作成し、病気を共同で予測し、視覚的に座屈した推論を生成する。 1000イメージのテストセットでは、CoTが監督するモデルが73.1%のTop-1精度(macro F1 = 0.466; weighted F1 = 0.655)を達成し、Gemini 1.5 Flash、Gemini 2.5 Pro、GPT-4o Miniなどの強力なベースラインを上回りました。
  論文  参考訳（メタデータ） (2026-04-09T05:13:37Z)
• Encyclo-K: Evaluating LLMs with Dynamically Composed Knowledge Statements [78.87065404966002]
  既存のベンチマークは、主に質問レベルで質問をキュレートする。 ベンチマーク構築をゼロから再考するステートメントベースのベンチマークであるEncyclo-Kを提案する。
  論文  参考訳（メタデータ） (2025-12-31T13:55:54Z)
• KrishokBondhu: A Retrieval-Augmented Voice-Based Agricultural Advisory Call Center for Bengali Farmers [0.0]
  バングラデシュでは、多くの農家が、タイムリーで専門家レベルの農業指導にアクセスするための課題に直面し続けている。 本稿では,Retrieval-Augmented Generationフレームワーク上に構築された音声対応のコールセンタ統合アドバイザリプラットフォームであるKrishokBondhuについて述べる。
  論文  参考訳（メタデータ） (2025-10-21T07:24:55Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• Retrieval-Augmented Generation for Reliable Interpretation of Radio Regulations [49.671779378073886]
  無線規制分野における質問応答について検討する。 本稿では,通信事業者固有のレトリーバル拡張生成(RAG)パイプラインを提案する。 当社のアプローチは,テスト対象モデル全体の生成精度を一貫して向上させる。
  論文  参考訳（メタデータ） (2025-09-11T17:43:42Z)
• RankRAG: Unifying Context Ranking with Retrieval-Augmented Generation in LLMs [60.38044044203333]
  大規模言語モデル(LLM)は、通常、検索拡張生成(RAG)において、レトリバーからトップkコンテキストを利用する。 本稿では,RAGにおける文脈ランク付けと回答生成の両目的のために,単一のLLMをチューニング可能な新しい命令微調整フレームワークであるRanRAGを提案する。 例えば、GPT-4-0613, GPT-4-turbo-2024-0409, ChatQA-1.5, RAGベンチマークの最先端性能を備えたオープンソースモデルなどである。
  論文  参考訳（メタデータ） (2024-07-02T17:59:17Z)
• GPT-4 as Evaluator: Evaluating Large Language Models on Pest Management in Agriculture [7.458004824488893]
  農業、特に害虫管理における大規模言語モデル(LLM)の適用は、まだ初期段階である。 我々は,OpenAIのGenerative Pre-trained Transformer(GPT)シリーズやGoogleのFLANシリーズなど,LLMsが生み出す害虫管理アドバイスの内容を評価することで,その実現可能性を証明することを目的とした。 我々は, GPT-4 を評価指標として, コヒーレンス, 論理的一貫性, 頻度, 妥当性, 包括性, 露出性について, 生成した内容を評価する革新的な手法を提案した。
  論文  参考訳（メタデータ） (2024-03-18T15:08:01Z)
• Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based Baseline [95.88825497452716]
  歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。 GREWは、野生における歩行認識のための最初の大規模データセットである。 SPOSGaitはNASベースの最初の歩行認識モデルである。
  論文  参考訳（メタデータ） (2022-05-05T14:57:39Z)

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。