論文の概要: ISW-Agent: Integrating LLM-Driven Dialogue with n8n Workflow for Internal Solitary Wave Remote Sensing Image Processing
- arxiv url: http://arxiv.org/abs/2610.21502v1
- Date: Thu, 15 Oct 2026 08:38:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.280796
- Title: ISW-Agent: Integrating LLM-Driven Dialogue with n8n Workflow for Internal Solitary Wave Remote Sensing Image Processing
- Title（参考訳）: ISW-Agent:内部孤立波リモートセンシング画像処理のためのLLM-Driven Dialogueとn8nワークフローの統合
- Abstract要約: 内部孤立波(ISW)リモートセンシングは、タスクパラメータと空間情報を転送する必要がある。
我々は,大規模言語モデル(LLM)の解釈とn8nの証明と独立した科学モデルを統合するISW-Agentを提案する。
- 参考スコア（独自算出の注目度）: 4.729500427002575
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Internal solitary wave (ISW) remote sensing requires task parameters and spatial information to be transferred across image acquisition, detection, stripe extraction, and propagation prediction. Here, we present ISW-Agent, which integrates large language model (LLM) interpretation with n8n workflows and independent scientific models through structured task constraints, geospatial transformations, and stage-specific output validation. In tests of 120 Chinese instructions per backend, GPT-5.6 Sol and DeepSeek both achieved a strict task-match rate of 94.2%, with all intents and execution decisions matching the reference. Sentinel-1 cases demonstrated continuous processing from dialogue requests to wavefront prediction for the specified scene. Of 50 timed scenes, 39 completed detection, extraction, and prediction with a median turnaround time of 48.04 s; 11 stopped after empty extraction. Across 3,408 controlled fault-injection runs, retries recovered 234 transient-failure conditions and output validation rejected 234 structural defects, while 61 provenance or completeness errors indicated the need for content-consistency checks. Overall, ISW-Agent thus connects natural-language requests to traceable spatial processing chains for multimodel ISW analysis.
- Abstract（参考訳）: 内部孤立波(ISW)リモートセンシングは、画像の取得、検出、ストライプ抽出、伝搬予測にまたがるタスクパラメータと空間情報を伝達する必要がある。
本稿では,大規模言語モデル (LLM) を n8n のワークフローや独立した科学モデルと統合した ISW-Agent を提案する。
バックエンド毎120の中国語命令のテストにおいて、GPT-5.6 SolとDeepSeekはどちらも94.2%という厳格なタスクマッチ率を達成した。
Sentinel-1のケースでは、対話要求から特定のシーンの波面予測までの連続的な処理が示された。
50のタイムドシーンのうち、39は48.04秒のターンアラウンド時間で検出、抽出、予測を完了した。
3,408回にわたって制御された障害注入,再試行234回の過渡障害条件の回復,出力検証では234回の構造的欠陥が否定され,61回の証明や完全性エラーは内容整合性チェックの必要性を示した。
全体として、ISW-Agentは自然言語要求をトレース可能な空間処理チェーンに接続し、マルチモデルISW分析を行う。
関連論文リスト
- Evaluating Local Language Model Agents for Reproducible Data Engineering: An Empirical Software Engineering Study of Mobility Workflows [74.39138492851343]
大規模言語モデル(LLM)エージェントは、ソフトウェアやデータエンジニアリングアシスタントとしてますます使われている。
ローカルオープンウェイトエージェントが正しい再現可能なデータエンジニアリングアーティファクトを作成できるかどうかを評価する。
論文 参考訳（メタデータ） (2026-10-08T08:26:46Z) - PULSE: An Executable Contract Language for Spatiotemporal Knowledge Graph Engineering [2.2262915480980063]
PULSEはObject-Process-Methodologyにインスパイアされた言語で、4つの運用ロールをローカライズし、その書き込み効果を1つの型付きランタイムで表現する。
実装されたコントラクトは、非オーバーライト、ブランチアイソレーション、接地されたマルチオブジェクトタイマー、ガードされた状態変更、時間と空間に関する宣言付きイベント順序のエビデンスを修正する。
Lean 4は、位置、エビデンス、クロック、モニター、アトミック性、ブランチソース保持のカーネルアナログをチェックする。
論文 参考訳（メタデータ） (2026-07-26T17:44:05Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - ARGOS: Who, Where, and When in Agentic Multi-Camera Person Search [49.61286310968402]
我々は,対話型推論問題として,マルチカメラの人物探索を再構成する最初のベンチマークとフレームワークであるARGOSを紹介する。
ARGOSエージェントはあいまいな目撃声明を受け取り、何を尋ねるか、いつ空間的または時間的ツールを呼び出すか、不明瞭な応答をどう解釈するかを判断しなければならない。
このベンチマークは、意味的知覚(Who)、空間的推論(Where)、時間的推論(When)の3つのプログレッシブトラックにおいて、14の現実世界シナリオにまたがる2,691のタスクからなる。
論文 参考訳（メタデータ） (2026-04-14T14:06:19Z) - Single-Position Intervention Fails: Distributed Output Templates Drive In-Context Learning [0.0]
大規模な言語モデルがどのようにタスクのアイデンティティを数発のデモからエンコードしているかを理解することは、機械的解釈可能性において中心的なオープンな問題である。
以前の作業では、リニアプローブを使用してタスク表現をローカライズし、特定のレイヤで高い分類精度を報告していた。
正確さを求めることは因果的重要性を予測するのに完全に失敗する。
論文 参考訳（メタデータ） (2026-04-10T14:49:07Z) - Model Specific Task Similarity for Vision Language Model Selection via Layer Conductance [92.72779885657373]
本稿では,視覚エンコーダの内部関数力学におけるモデル選択の基盤となるフレームワークを提案する。
提案手法は,各タスクをレイヤワイドコンダクタンスにより表現し,エントロピー正規化アライメントによる目標条件付きブロック重要度分布を導出する。
そこで本研究では,DCD(Directional Conductance Divergence)という,ソースタスクが対象の機能ブロックをいかに効果的にカバーするかを定量化する非対称な指標を提案する。
論文 参考訳（メタデータ） (2026-02-01T17:29:43Z) - MMSearch-Plus: Benchmarking Provenance-Aware Search for Multimodal Browsing Agents [44.63565009665076]
マルチモーダル理解を強制する311タスクのベンチマークであるMMSearch-Plusを紹介する。
標準ブラウジングツールとset-of-mark(SoM)モジュールを備えたモデルに依存しないエージェントフレームワークを提供する。
SoMは、プロファイナンス対応のズーム・アンド・リトリーブを可能にし、マルチステップ推論におけるロバスト性を改善する。
論文 参考訳（メタデータ） (2025-08-29T09:58:27Z) - Look Before You Leap: A Universal Emergent Decomposition of Retrieval
Tasks in Language Models [58.57279229066477]
本研究では,言語モデル(LM)が様々な状況下での検索タスクをどのように解決するかを検討する。
ORIONは6つのドメインにまたがる構造化された検索タスクの集合である。
LMは内部的にモジュール方式で検索タスクを分解する。
論文 参考訳（メタデータ） (2023-12-13T18:36:43Z) - Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。
まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。
最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
論文 参考訳（メタデータ） (2023-07-01T13:53:14Z)
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。