論文の概要: Earth-Agent-Pro: Towards Real-World Full-Chain Earth Observation with Agents
- arxiv url: http://arxiv.org/abs/2609.12533v1
- Date: Fri, 11 Sep 2026 07:41:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.659134
- Title: Earth-Agent-Pro: Towards Real-World Full-Chain Earth Observation with Agents
- Title（参考訳）: エージェントを用いた実世界フルチェイン地球観測に向けて
- Abstract要約: 実世界の地球観測(EO)エージェントは、高レベルの科学的質問を実行可能なものに翻訳しなければならない。
Earth-Bench-Proは、専門家による248のタスクコアを、マッチした3つの体制の下で744の質問としてインスタンス化する。
GPT-5のバックボーンを共有することで、Earth-Agent-Proは66.13%のLDM-as-Judge精度を達成している。
- 参考スコア（独自算出の注目度）: 41.45703910271276
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Real-world Earth observation (EO) agents must translate high-level scientific questions into executable workflows to acquire observations, prepare data, perform domain computations, and derive conclusions from runtime evidence. Existing EO agents typically start from supplied observations, while benchmarks typically provide prepared inputs or candidate answers, leaving full-chain open-world EO execution largely untested. We present Earth-Agent-Pro, an execution-adaptive Plan-and-Execute framework using expert-authored skills to constrain planning and runtime tool use. Workflow-centered structured memory records planned steps, accepted evidence, and their dependencies, enabling repair of only the affected workflow suffix when runtime evidence invalidates a step. Separate large language model adapters use sequence-level supervised fine-tuning for planner workflow composition and node-level group relative policy optimization with locally verifiable rewards for executor tool-argument grounding. Earth-Bench-Pro instantiates 248 expert-curated task cores as 744 questions under three matched regimes. Its 248 Open-World Execution questions span RGB imagery, spectral observations, and remote sensing products, pairing high-level requests with runtime data requirements, executable trajectories, and open-ended answers grounded in execution evidence. With a shared GPT-5 backbone, Earth-Agent-Pro achieves 66.13% LLM-as-Judge accuracy, exceeding ReAct by 20.95 points in this metric and 24.44 points in Tools-In-Order. Joint adapter tuning raises Qwen3.5-9B LLM-as-Judge accuracy from 38.31% to 50.00%, an 11.69-point gain over the untuned configuration. Planning-only evaluation and execution with the reference workflow show that the adapters improve workflow composition and argument grounding, respectively. Code and datasets will be released soon.
- Abstract（参考訳）: 実世界の地球観測(EO)エージェントは、高レベルの科学的質問を実行可能なワークフローに変換し、観測を取得し、データを作成し、ドメイン計算を行い、実行時証拠から結論を導き出す必要がある。
既存のEOエージェントは通常、供給された観察から始まり、ベンチマークは通常、準備されたインプットまたは候補回答を提供し、フルチェーンのオープンワールドEO実行はほとんどテストされていない。
提案する Earth-Agent-Pro は,実行適応型Plan-and-Execute フレームワークである。
ワークフロー中心の構造化されたメモリレコードは、計画されたステップ、承認されたエビデンス、およびそれらの依存関係を記録し、実行時エビデンスによってステップが無効になった場合に、影響を受けるワークフローサフィックスのみを修復することを可能にする。
個別の大規模言語モデルアダプタは、プランナーワークフロー構成のためのシーケンスレベルの教師付き微調整と、実行ツール引数グラウンド化のための局所検証可能な報酬を伴うノードレベルのグループ相対ポリシー最適化を使用する。
Earth-Bench-Proは、専門家による248のタスクコアを、マッチした3つの体制の下で744の質問としてインスタンス化する。
248のOpen-World Execution質問は、RGBイメージ、スペクトル観測、リモートセンシング製品、実行時データ要求と高レベルの要求とペアリングすること、実行可能なトラジェクトリ、実行証拠を根拠としたオープンエンドの回答にまたがる。
GPT-5のバックボーンを共有することで、Earth-Agent-Proは66.13%のLDM-as-Judge精度を達成し、ReActを20.95ポイント、Tools-In-Orderで24.44ポイント超えた。
ジョイントアダプターチューニングはQwen3.5-9B LLM-as-Judgeの精度を38.31%から50.00%に引き上げる。
参照ワークフローによる計画のみの評価と実行は、アダプタがそれぞれワークフローの構成と引数グラウンドを改善することを示している。
コードとデータセットは近くリリースされる。
関連論文リスト
- GeoForge: Non-Parametric Self-Evolving Agents for Earth-Observation Reasoning [25.382191805848013]
我々は、完成した軌道を構造化された非パラメトリックな実行状態に変換する、トレーニング不要で自己進化的なフレームワークGeoForgeを提案する。
GeoForgeは、センシングコンテキストに従って操作空間を制約し、3つの補完記憶からタスク条件付きを検索する。
各タスクの後、安全ゲート蒸留プロセスは、接地された軌跡を将来の検索のための再利用可能な実行知識に変換する。
論文 参考訳（メタデータ） (2026-08-11T05:11:10Z) - A corrective agentic hybrid RAG and an operations-grounded evaluation for a scientific facility [0.0]
APS-RAG(Advanced Photon Source Retrieval Augmented Generation)を提案する。
検索エンジンは、密度、スパース、知識グラフチャネルをクエリ型適応逆数融合で融合する。
APS-Benchは50問の質問応答(QA)データセットで、監査可能な金の回答を提供する。
論文 参考訳（メタデータ） (2026-07-27T17:01:30Z) - ACCORD: Action-Conditioned Contextual Grounding for Language Agents [69.73525608707764]
ACCORD(Action-Conditioned Contextual Grounding)は、適応的なグラウンドのためのエージェントフレームワークである。
現状のエージェントは、しばしばそうすることができないことを示す。それらは、観察された特定の情報よりもむしろ仮定から行動し、収集した可能性のある情報を見落とし、既に返された証拠を組み込むことに失敗する。
論文 参考訳（メタデータ） (2026-06-15T09:05:55Z) - EEVEE: Towards Test-time Prompt Learning in the Real World for Self-Improving Agents [64.96332056338923]
EEVEEは、LLMエージェントのための最初のマルチデータセットテスト時プロンプト学習フレームワークである。
実世界のタスクストリーム下でテスト時のプロンプト学習を可能にする。
EEVEEはQwen3-4B-InstructとDeepSeek-V3.2で平均マルチベンチマークスコアを10.38点、24.32点改善している。
論文 参考訳（メタデータ） (2026-06-09T17:57:16Z) - GTA-2: Benchmarking General Tool Agents from Atomic Tool-Use to Open-Ended Workflows [90.35728421223673]
GTA-2はジェネラル・ツール・エージェント(GTA)の階層的なベンチマークである
現実世界の認証に基づいて構築され、実際のユーザクエリ、デプロイツール、マルチモーダルコンテキストを活用する。
実験では、フロンティアモデルは既に原子タスクに苦戦しているが、トップモデルは14.39%の成功しか達成していない。
論文 参考訳（メタデータ） (2026-04-17T05:36:00Z) - GUIDE: Interpretable GUI Agent Evaluation via Hierarchical Diagnosis [17.279226216630065]
軌道評価を3段階に分解するGUIDE(GUI Understanding and Interpretable Assessment Evaluation)を導入する。
サブタスク診断は、各ユニットを文脈で評価し、完了判定を割り当て、修正レコメンデーションで構造化されたエラー解析を生成する。
我々はGUIDEを,932トラジェクトリの産業用Eコマースデータセット,1302トラジェクトリの5つのWebエージェントタスクを対象としたAgentREWARDBENCH,モバイルデバイス制御用のAndroidBenchの3つのベンチマークで検証した。
論文 参考訳（メタデータ） (2026-04-06T03:58:43Z) - EigenData: A Self-Evolving Multi-Agent Platform for Function-Calling Data Synthesis, Auditing, and Repair [18.22665454212814]
EigenDataは統合された自己進化型プラットフォームで、マルチエージェントアーキテクチャを通じて完全なデータライフサイクルを自動化する。
我々はEigenDataをBFCL-V3(Berkeley Function-Calling Leaderboard)の監査と修復に応用する。
提案手法は, 結果認識指標と組み合わせて, 機能的正当性の人的判断と有意に相関するモデルランキングを生成できることを実証する。
論文 参考訳（メタデータ） (2026-03-05T04:58:38Z) - IC-EO: Interpretable Code-based assistant for Earth Observation [5.490577355567582]
地球観測 (EO) 解析は, 平民にとって依然として困難である。
多くのシステムは、監査や再現が難しいブラックボックス予測を返す。
本研究では,自然言語クエリを実行可能なPythonクエリに変換する対話型言語エージェントを提案する。
論文 参考訳（メタデータ） (2026-01-27T10:49:29Z) - Visual Document Understanding and Question Answering: A Multi-Agent Collaboration Framework with Test-Time Scaling [83.78874399606379]
テスト時間スケーリングを備えたマルチエージェント協調フレームワークであるMACTを提案する。
4つの異なる小規模エージェントから構成され、明確に定義された役割と効果的なコラボレーションがある。
一般および数学的タスクの能力を犠牲にすることなく、より小さなパラメータスケールで優れた性能を示す。
論文 参考訳（メタデータ） (2025-08-05T12:52:09Z) - 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)
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。