論文の概要: Evaluating human-AI workflows for field research in viticulture
- arxiv url: http://arxiv.org/abs/2610.07669v1
- Date: Tue, 06 Oct 2026 03:04:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.780052
- Title: Evaluating human-AI workflows for field research in viticulture
- Title（参考訳）: ブドウ栽培におけるフィールド研究のための人間-AIワークフローの評価
- Abstract要約: このプロジェクトは2021-2024年の商業偵察記録とリモートセンシング測定が2025年のレッドリーフ症状予測をサポートするかどうかを検証した。
我々は,アレクスの2024年ワインスケールモデルを更新された2025の予測器に適用し,独立した2025のスカウトに対するレッドリーフ予測を評価した。
- 参考スコア（独自算出の注目度）: 6.863952427693147
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We assessed the value of two live human-AI interactions in a precision disease control project in California vineyards. The project tested whether 2021-2024 commercial scouting records and remote-sensing measurements across 140 hectares could support 2025 red-leaf symptom forecasting for prioritized scouting and virus testing. In Workflow 1, Aleks v1, a multi-agent research system, developed forecasting models with iterative human refinement. We applied Aleks's 2024 vine-scale model to updated 2025 predictors and evaluated red-leaf forecasts against independent 2025 scouting. In retrospective simulations surveying 45% of all vine positions, adding model-informed row prioritization to adaptive scouting increased the encountered proportion of newly recorded red-leaf observations from 85.8% to 94.1%. Within-block scouting comparisons suggested the model mainly improved scouting allocation among blocks. Despite unreliable internal 2024 performance estimates from synthetic oversampling before train/test splitting, Aleks developed an informative vine-scale model in 145 minutes, increasing throughput and answering our research questions. In Workflow 2, we assessed whether higher model-score vines had more frequent virus detection, and whether Aleks could infer this sampling goal from a general prompt with data and literature. Aleks's plan prioritized balanced vineyard and model score coverage, while our plan prioritized field efficiency and high-model-score oversampling. Aleks's and our plans yielded 41/50 (82%) and 97/100 (97%) sampled vines. Aleks's plan omitted instructions for replacing missing vines, limiting implementation and operational value. Five of 137 sampled vines tested positive for grapevine red blotch virus (model score ROC AUC 0.735). These findings support assessing AI interactions by how well they advance field research objectives under live, project-specific constraints.
- Abstract（参考訳）: カリフォルニア州のブドウ園における精密病害対策プロジェクトにおいて,2つの人間とAIの相互作用を生かして評価した。
プロジェクトは、140ヘクタールの商業偵察記録とリモートセンシング測定が、優先順位付けされたスカウトとウイルス検査のための2025のレッドリーフ症状予測をサポートするかどうかをテストした。
ワークフロー1では、マルチエージェントの研究システムであるAleks v1が、反復的な人間の洗練を伴う予測モデルを開発した。
我々は,アレクスの2024年ワインスケールモデルを更新された2025の予測器に適用し,独立した2025のスカウトに対するレッドリーフ予測を評価した。
振り返りシミュレーションでは、すべてのブドウの45%を調査し、アダプティブ・スカウトにモデルインフォームド・行の優先順位付けを加えたことで、新たに記録されたレッドリーフの観測の割合は85.8%から94.1%に増加した。
ブロック内のスカウト比較は、主にブロック間のスカウト割り当てを改善したことを示唆している。
列車/テスト分割前の合成オーバーサンプリングによる信頼性の低い内部2024の性能評価にもかかわらず、Aleksは145分でインフォマティヴなブドウスケールモデルを開発し、スループットを向上し、我々の研究課題に答えた。
Workflow 2では、より高いモデルスコアブドウがウイルス検出頻度が高く、Aleksがこのサンプリング目標をデータや文献の一般的なプロンプトから推測できるかどうかを評価した。
Aleksの計画では、バランスの取れたブドウ園とモデルスコアのカバーが優先され、私たちの計画では、フィールド効率と高モデルスコアのオーバーサンプリングが優先されました。
アレクスと我々の計画は41/50 (82%) と97/100 (97%) のブドウを採取した。
アレクスの計画は、欠落したブドウを交換する指示を省略し、実装と運用価値を制限した。
137種のうち5種はブドウ赤斑ウイルス(ROC AUC 0.735)陽性であった。
これらの知見は、プロジェクト固有の制約の下で、フィールド研究の目的をいかにうまく進めるかによって、AIインタラクションを評価することを支援する。
関連論文リスト
- Look Before You Leap: Distilling Tree Search into Action Evaluation for Frozen VLA Models [60.17417174639865]
VLA(Vision-Language-Action)モデルは、大規模な事前訓練を通じて幅広い身体的能力を取得する。
一般的な治療法であるポストトレーニングは、タスク固有のパフォーマンスを改善するが、事前トレーニングに価値をもたらすジェネラリスト能力は制限される。
SVAは凍結したVLAポリシーを長期的結果の認識と組み合わせたフレームワークである。
論文 参考訳（メタデータ） (2026-07-04T07:53:10Z) - Frozen Multimodal Embeddings for AI-Assisted Interview Assessment of Personality and Cognitive Ability [0.20999222360659606]
本稿では,ACM Multimedia AVI Challenge 2026について述べる。
Track1は自己報告されたHEXACO性格特性を人格関連面接応答から予測し、Track2は認知能力レベルを分類する。
視覚的特徴にはCLIP、音響的特徴や文字起こしにはWhisper、テキスト表現にはRoBERTa、E5、DeBERTaV3など、凍結したマルチモーダルエンコーダを使用します。
論文 参考訳（メタデータ） (2026-06-10T11:03:34Z) - Forecasting the Maintained Score from the OpenSSF Scorecard for GitHub Repositories linked to PyPI libraries [78.48200143057376]
今後,OpenSSFが保持するスコアをどの程度予測できるかを検討する。
PageRankによって、最も中央のPyPIライブラリのトップ1%に関連付けられた3,220のGitHubリポジトリを分析します。
以上の結果から,今後の保守活動は有意義な精度で予測できることが示唆された。
論文 参考訳（メタデータ） (2026-01-26T10:32:54Z) - Predicting BVD Re-emergence in Irish Cattle From Highly Imbalanced Herd-Level Data Using Machine Learning Algorithms [0.0]
Bovine Viral Diarrhoea (BVD) はアイルランドにおける根絶プログラムの成功の焦点となっている。
国家がBVDの自由に向かって進むにつれ、標的監視のための予測モデルの開発がますます重要になっている。
我々は,高度に不均衡な群集データを用いて,BVD陽性群を予測するための機械学習アルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2025-04-17T17:33:15Z) - Exploring Question Decomposition for Zero-Shot VQA [99.32466439254821]
視覚的質問応答のための質問分解戦略について検討する。
モデル記述分解の素早い適用は性能を損なう可能性があることを示す。
モデル駆動選択的分解手法を導入し,予測と誤りの訂正を行う。
論文 参考訳（メタデータ） (2023-10-25T23:23:57Z) - Improving Selective Visual Question Answering by Learning from Your
Peers [74.20167944693424]
VQA(Visual Question Answering)モデルは、間違っていた場合の回答を控えるのに苦労する可能性がある。
本稿では,複数モーダル選択関数の学習におけるLearning from Your Peers (LYP) アプローチを提案する。
提案手法では,学習データの異なるサブセットに基づいて訓練されたモデルの予測を,選択的VQAモデルの最適化のターゲットとして利用する。
論文 参考訳（メタデータ） (2023-06-14T21:22:01Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳（メタデータ） (2022-08-04T01:34:46Z) - Short-term forecasting COVID-19 cumulative confirmed cases: Perspectives
for Brazil [3.0711362702464675]
新型コロナウイルス(COVID-19)は、今日までの最初の通知以来、何百万人もの人に感染する新興の病気だ。
本稿では、自己回帰統合移動平均(ARIMA)、キュビスト(CUBIST)、ランダムフォレスト(RF)、リッジ回帰(RIDGE)、スタックングアンサンブル学習を評価する。
開発されたモデルは正確な予測を生成でき、それぞれ0.87%から3.51%、1.02%から5.63%、0.95%から6.90%の誤差を発生させる。
論文 参考訳（メタデータ） (2020-07-21T17:58:58Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Gradient Boosting on Decision Trees for Mortality Prediction in
Transcatheter Aortic Valve Implantation [5.050648346154715]
心臓外科における現在の予後リスクスコアは統計に基づいており、まだ機械学習の恩恵を受けていない。
本研究は,TAVI後の患者の1年間の死亡率を予測する機械学習モデルの構築を目的とする。
論文 参考訳（メタデータ） (2020-01-08T10:04:42Z)
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。