論文の概要: Weather- and Location-Aware Agentic Dining Recommendation: Leveraging LLM World Knowledge for Region-Sensitive Contextual Reasoning
- arxiv url: http://arxiv.org/abs/2608.07593v1
- Date: Wed, 05 Aug 2026 20:55:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.452002
- Title: Weather- and Location-Aware Agentic Dining Recommendation: Leveraging LLM World Knowledge for Region-Sensitive Contextual Reasoning
- Title（参考訳）: 気象・位置情報に配慮したエージェントダイニング勧告:地域感性文脈推論のためのLLM世界知識の活用
- Abstract要約: 気象・位置情報に配慮したエージェントダイニング・レコメンデーションシステムを提案する。
大規模言語モデルは、場所と天気の検索のためのツールを編成し、その後、コンテキストの組み合わせによる自然言語の理由付けを行う。
本稿では,エージェント・アーキテクチャ,ツール・オーケストレーション・フロー,推論機構について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Context-aware recommender systems have long recognized that factors such as location, time, and weather shape where and what people choose to eat. Existing weather-aware food and point-of-interest recommenders, however, typically treat weather generically -- mapping conditions to preferences through hand-crafted rules or specially trained context models -- and do not capture that the culturally appropriate response to weather is itself region-specific: a rainy evening calls for hot tea and fried snacks in one culinary culture and for very different comfort food in another. Encoding such weather-by-region-by-cuisine interactions as explicit rules or training data is brittle and does not scale. We present a weather- and location-aware agentic dining-recommendation system that takes a different approach: a large language model (LLM) orchestrates tools for location and weather retrieval and then reasons in natural language over the combined context, drawing on the cultural and culinary world knowledge already latent in the model to produce region-sensitive, weather-appropriate recommendations without per-region rule tables or specialized training. We describe the agent architecture, the tool-orchestration flow (Google location services and a weather service feeding an OpenAI LLM), and the reasoning mechanism, and we report on a working prototype that was implemented and briefly deployed end-to-end. We discuss design trade-offs -- cost, latency, ambiguity handling, and fallbacks -- and we are explicit about limitations, including the absence of a formal user study and the risk of cultural stereotyping in locality-based inference. The contribution is architectural: a simple, extensible pattern for incorporating environmental and cultural context into agentic recommendation through LLM reasoning rather than engineered rules.
- Abstract（参考訳）: コンテキスト対応レコメンデータシステムは、場所、時間、天候など、人々が何を食べるか、何を選ぶかといった要素が、長い間認識されてきた。
しかし、既存の気象に合った食べ物や関心のある推奨者は、一般的には、一般的な天候を、手作りのルールや特別な訓練された文脈モデルを通じて、好みにマッピングする。
明示的なルールやトレーニングデータのような、地域ごとの天気対応のインタラクションを符号化することは、脆弱でスケールしない。
大規模言語モデル(LLM)は,地域ごとのルール表や専門訓練を使わずに,地域ごとに適切なレコメンデーションを作成すべく,そのモデルにすでに潜んでいる文化的・料理的世界の知識に基づいて,位置・天気検索のためのツールを編成する。
本稿では,エージェント・アーキテクチャ,ツール・オーケストレーション・フロー(Googleの位置情報サービスとOpenAI LLMを供給している気象サービス),推論機構について述べる。
設計上のトレードオフ – コスト,レイテンシ,あいまいさ処理,フォールバック – について論じるとともに,正式なユーザスタディの欠如や,ローカリティに基づく推論における文化的ステレオタイピングのリスクなど,制限について明言しています。
この貢献はアーキテクチャであり、環境と文化のコンテキストをエンジニアリングルールではなくLCM推論を通じてエージェントレコメンデーションに組み込むシンプルな拡張可能なパターンである。
関連論文リスト
- Explaining Weather Bulletins via ILP [37.62356375819039]
この作業は主にFastLAS2フレームワークに基づいている。
OSMER FVGが発行した天気予報を明確にするために、シンプルな解釈可能な仮説を生成することを目的としている。
論文 参考訳（メタデータ） (2026-07-23T11:15:02Z) - ReasonSTL: Bridging Natural Language and Signal Temporal Logic via Tool-Augmented Process-Rewarded Learning [5.961092142323502]
textscReasonSTLは、自然言語からSTL生成にローカルのオープンソース言語モデルを適用するツール拡張フレームワークである。
textscReasonSTLは、翻訳プロセスを明示的な推論、決定論的ツール呼び出し、構造化された公式構成に分解する。
実験により、textscReasonSTLでトレーニングされた4Bモデルは、自動測定と人的評価の両方で最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2026-05-07T16:07:30Z) - AdapTime: Enabling Adaptive Temporal Reasoning in Large Language Models [65.97075015662318]
AdapTimeは適応的な時間的推論手法であり、入力コンテキストに基づいて推論ステップを動的に実行する。
最先端のLCMとシームレスに統合され、外部サポートに頼ることなく、時間的推論能力を大幅に向上する。
論文 参考訳（メタデータ） (2026-04-27T08:34:40Z) - ThinkTank-ME: A Multi-Expert Framework for Middle East Event Forecasting [90.2216362565489]
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。
論文 参考訳（メタデータ） (2026-01-22T17:55:15Z) - Event Extraction in Large Language Model [99.94321497574805]
私たちは、LLM中心のソリューションに認知的な足場を提供するシステムコンポーネントとして、EEは見なされるべきである、と論じます。
この調査では、EEのテキストとマルチモーダル設定、タスクと分類の整理、ルールベースとニューラルモデルから命令駆動および生成フレームワークへのメソッド進化のトレースについて取り上げている。
論文 参考訳（メタデータ） (2025-12-22T16:22:14Z) - SynthTRIPs: A Knowledge-Grounded Framework for Benchmark Query Generation for Personalized Tourism Recommenders [6.910185679055651]
本稿では,Large Language Models (LLMs) を用いた合成旅行クエリ生成のための新しいSynthTRIPsフレームワークを提案する。
我々のアプローチは、人格に基づく好み(予算、旅行スタイルなど)と明確な持続可能性フィルタ(歩行性、空気質など)を組み合わせることで、現実的で多様なクエリを生成する。
本手法は他の推奨システムドメインにも適用した。
論文 参考訳（メタデータ） (2025-04-12T16:48:35Z) - Advancing Large Language Models for Spatiotemporal and Semantic Association Mining of Similar Environmental Events [10.15184389811683]
本稿では,Large Language Models(LLMs)を利用した新しい検索検索フレームワークを提案する。
本稿では,空間的近接性,時間的関連性,意味的類似性,カテゴリー的類似性などの多面的基準を分類するGTR(Geo-Time Re- rank)戦略を提案する。
提案手法をローカル環境オブザーバ(LEO)ネットワークイベント4万件のデータセットに適用し,複数の最先端高密度検索モデル間で類似イベントを推奨する性能を実現する。
論文 参考訳（メタデータ） (2024-11-19T21:57:22Z) - Language Agents Meet Causality -- Bridging LLMs and Causal World Models [50.79984529172807]
因果表現学習を大規模言語モデルと統合する枠組みを提案する。
このフレームワークは、自然言語表現に関連付けられた因果変数を持つ因果世界モデルを学ぶ。
本研究では,時間的スケールと環境の複雑さを考慮した因果推論と計画課題の枠組みを評価する。
論文 参考訳（メタデータ） (2024-10-25T18:36:37Z) - Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。
我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。
本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文 参考訳（メタデータ） (2024-09-11T19:31:56Z) - Language-driven All-in-one Adverse Weather Removal [11.47695460133523]
All-in-one (AiO)フレームワークは、1組のネットワークで様々な悪天候の悪化を修復する。
既存の方法は、通常現実世界のアプリケーションでは知られていない余分な監視信号に依存している。
上記の問題を緩和するLDR(Language-driven Restoration framework)を提案する。
論文 参考訳（メタデータ） (2023-12-03T13:05:54Z) - Exploring the Application of Large-scale Pre-trained Models on Adverse
Weather Removal [97.53040662243768]
ネットワークが異なる気象条件を適応的に処理できるようにするために,CLIP埋め込みモジュールを提案する。
このモジュールは、CLIP画像エンコーダによって抽出されたサンプル特定気象と、パラメータセットによって学習された分布特定情報を統合する。
論文 参考訳（メタデータ） (2023-06-15T10:06:13Z) - Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。
本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。
FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
論文 参考訳（メタデータ） (2023-05-23T16:59:20Z)
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。