論文の概要: Offline Multimodal Large Language Models for Decision Support in Air Operations
- arxiv url: http://arxiv.org/abs/2609.21390v1
- Date: Fri, 18 Sep 2026 07:00:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.88852
- Title: Offline Multimodal Large Language Models for Decision Support in Air Operations
- Title（参考訳）: 航空業務における意思決定支援のためのオフラインマルチモーダル大言語モデル
- Abstract要約: 本稿では,オフラインの大規模言語モデルを意思決定支援ツールとして検討する。
インターネット接続のない操作に適したモジュール型検索拡張アーキテクチャについて述べる。
ブラジル空軍の4人の画像分析者によるパイロット研究を報告する。
- 参考スコア（独自算出の注目度）: 0.3186130813218338
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Air operations rely on complex rules, established procedures, and time-critical analysis under limited connectivity and strict security constraints. In such environments, analysts must combine written doctrine with images, often without access to external computing resources. This paper studies offline large language models as decision support tools, deployed in isolated and restricted environments to give analysts access to doctrinal knowledge that remains traceable to its original sources through natural language interaction. We describe a modular retrieval-augmented architecture suitable for operation without Internet connectivity, supporting both text and image input from technical manuals. As a first step toward evaluating this architecture, we report a pilot study with four image analysts of the Brazilian Air Force, combining (i) a doctrinal knowledge assessment based on their electronic-target identification doctrine, comparing human and proposed system performance on the same test, and (ii) a measurement of the cognitive workload involved in manually producing a reconnaissance target report (Relatório de Missão de Reconhecimento - REMIR) without AI assistance. The results show a demanding manual task, especially in terms of mental demand (6.0/7) and effort (5.0/7), while the proposed system matches the human score (8/10) and completes the assessment in 7.1 minutes (compared to a human average of 26.5 minutes), establishing a baseline for future AI-assisted evaluation. Finally, we describe a future evaluation protocol to systematically compare manual and AI-assisted workflows.
- Abstract（参考訳）: 航空業務は複雑な規則、確立された手続き、限られた接続性と厳格なセキュリティ制約の下での時間クリティカルな分析に依存している。
このような環境では、アナリストは、しばしば外部のコンピューティングリソースにアクセスせずに、記述された教義と画像を組み合わせる必要がある。
本稿では,独立・制限された環境に展開する意思決定支援ツールとして,オフラインの大規模言語モデルについて検討する。
本稿では,インターネット接続のない操作に適したモジュール型検索拡張アーキテクチャについて述べる。
このアーキテクチャを評価するための第一歩として、ブラジル空軍の4人の画像分析者によるパイロット研究を報告する。
一 同一の試験において、人間と提案されたシステムの性能を比較して、その電子的目標の識別原理に基づく教義的知識評価
(II)AIを介さずに偵察目標レポート(Relatório de Missão de Reconhecimento - REMIR)を手動で作成する際の認知負荷の測定。
その結果、特に心的要求(6.0/7)と努力(5.0/7)の面では、必要なマニュアルタスクが示され、提案システムは人間のスコア(8/10)と一致し、7.1分(平均26.5分)で評価を完了し、将来のAI支援評価のベースラインを確立する。
最後に、手動およびAI支援ワークフローを体系的に比較する将来の評価プロトコルについて述べる。
関連論文リスト
- A Human-in-the-Loop Framework for AI-Assisted Scoring in Large-Scale Writing Assessment [0.0]
本研究では,大規模国家評価における筆記応答のためのAI支援スコアリングフレームワークの設計と妥当性について述べる。
提案手法は,約150～200ワードの短いテキストに焦点をあて,手作業量を削減するとともに,評価品質の維持を図る。
論文 参考訳（メタデータ） (2026-09-04T13:47:29Z) - The Evaluation Context Protocol (ECP): A Portable Contract for AI Agent Evaluation [0.0]
本稿では,AIエージェントの評価における重要な方法論と,高度な可観測性基盤の不可欠な役割について考察する。
本稿では,エージェントシステムの契約層として機能することを目的とした,初期段階のベンダ中立フレームワークである評価コンテキストプロトコル(ECP)を提案する。
本稿では,LangChain,LlamaIndex,CrewAI,PydanticAIのアダプタを含むオープンソースリファレンス実装について述べる。
論文 参考訳（メタデータ） (2026-08-18T07:14:36Z) - The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。
我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
論文 参考訳（メタデータ） (2025-06-09T18:37:14Z) - Machine vs Machine: Using AI to Tackle Generative AI Threats in Assessment [0.0]
本稿では、高等教育評価において、生成人工知能(AI)がもたらす課題に対処するための理論的枠組みを提案する。
GPT-4、Claude、Llamaのような大規模な言語モデルは、洗練された学術コンテンツを作成する能力をますます示している。
調査によると、学生の74-92%が学術目的でこれらのツールを実験している。
論文 参考訳（メタデータ） (2025-05-31T22:29:43Z) - A Computational Method for Measuring "Open Codes" in Qualitative Analysis [44.39424825305388]
本稿では,人間と生成AI(GAI)による帰納的符号化結果を測定するための理論インフォームド計算手法を提案する。
これは、各コーダのコントリビューションを、Coverage、Overlap、Noverety、Divergenceの4つの新しいメトリクスを使用して、マージした結果に対して測定する。
本研究は,人間とAIの質的分析における方法論的厳密性を確保するための信頼性の高い経路を提供する。
論文 参考訳（メタデータ） (2024-11-19T00:44:56Z) - Harnessing AI for efficient analysis of complex policy documents: a case study of Executive Order 14110 [44.99833362998488]
法律、規制、執行命令などの政策文書は、社会の形成に不可欠である。
本研究の目的は、政策分析の合理化におけるAIの可能性を評価し、現在のAIアプローチの強みと限界を特定することである。
論文 参考訳（メタデータ） (2024-06-10T11:19:28Z) - From Voices to Validity: Leveraging Large Language Models (LLMs) for
Textual Analysis of Policy Stakeholder Interviews [14.135107583299277]
本研究では,米国内におけるK-12教育政策に関するステークホルダインタビューのテキスト分析を強化するために,大規模言語モデル(LLM)と人間の専門知識の統合について検討する。
混合メソッドのアプローチを用いて、ドメイン知識や教師なしトピックモデリングの結果から情報を得たコードブックとコーディングプロセスを開発した。
結果、GPT-4のテーマは、特定のテーマで77.89%の精度で人間のコーディングと一致しているが、より広いテーマが一致し96.02%に拡大し、従来の自然言語処理(NLP)の手法を25%以上上回った。
論文 参考訳（メタデータ） (2023-12-02T18:55:14Z) - Modelling Assessment Rubrics through Bayesian Networks: a Pragmatic Approach [40.06500618820166]
本稿では,学習者モデルを直接評価ルーリックから導出する手法を提案する。
本稿では,コンピュータ思考のスキルをテストするために開発された活動の人的評価を自動化するために,この手法を適用する方法について述べる。
論文 参考訳（メタデータ） (2022-09-07T10:09:12Z) - Towards Automatic Evaluation of Dialog Systems: A Model-Free Off-Policy
Evaluation Approach [84.02388020258141]
強化学習におけるオフポリシ評価に基づく人間評価スコア推定のための新しいフレームワークであるENIGMAを提案する。
ENIGMAはいくつかの事前収集された経験データしか必要としないため、評価中にターゲットポリシーとのヒューマンインタラクションは不要である。
実験の結果,ENIGMAは人間の評価スコアと相関して既存手法よりも有意に優れていた。
論文 参考訳（メタデータ） (2021-02-20T03:29:20Z)
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。