論文の概要: Integrating Domain Adaptation and Retrieval-Augmented Generation for Saline-Alkali Land Reclamation Planning

• arxiv url: http://arxiv.org/abs/2611.02883v1
• Date: Mon, 02 Nov 2026 10:19:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 14:39:29.592829
• Title: Integrating Domain Adaptation and Retrieval-Augmented Generation for Saline-Alkali Land Reclamation Planning
• Title（参考訳）: 塩水・アルカリ土地再生計画のためのドメイン適応と検索型生成の統合
• Abstract要約: 本研究は、ドメイン適応と検索強化世代を統合した農業意思決定支援システムであるWenyaoを開発する。 110指標スキーマを用いて8,664論文のバイリンガルコーパスを処理し,SA-Benchを構築した。 ウェンヤオは936のソース不一致の複数の質問に対して95.83%の精度を達成し、最強の汎用ベースラインでは87.93%を達成した。
• 参考スコア（独自算出の注目度）: 2.274650910187947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reclamation of saline-alkali land requires management plans that account for soil and water conditions, treatment evidence, and financial constraints. This study develops Wenyao, an agricultural decision-support system integrating domain adaptation with retrieval-augmented generation. A bilingual corpus of 8,664 research papers was processed using a 110-indicator schema to construct SA-Bench, comprising 4,860 paper-level planning instances. A QwQ-32B model was adapted through low-rank supervised fine-tuning and combined with case retrieval for budget-conditioned planning. Evidence extraction achieved an F1-score of 0.83 on 300 expert-annotated papers. Without retrieval, Wenyao achieved 95.83% accuracy on 936 source-disjoint multiple-choice questions, compared with 87.93% for the strongest general-purpose baseline; removing explanatory supervision reduced accuracy to 89.42%. Matched-evidence comparisons across 69 region-budget cases supported complementary contributions from adaptation and retrieval. In a blind assessment by 31 experts, Wenyao with retrieval obtained the highest mean scores for objectives and projected outcomes, whereas GPT-5 scored highest for cost estimates. These findings support literature-informed reclamation planning with professional review, while ongoing field monitoring will assess soil and crop responses.
• Abstract（参考訳）: 塩とアルカリの土地の開拓には、土壌と水の状態、治療の証拠、財政的な制約を考慮に入れた管理計画が必要である。 本研究は、ドメイン適応と検索強化世代を統合した農業意思決定支援システムであるWenyaoを開発する。 8,664件の研究論文のバイリンガルコーパスを110指標スキーマを用いて処理し,4,860件の紙レベルプランニングインスタンスからなるSA-Benchを構築した。 QwQ-32Bモデルは、低ランクの教師付き微調整と、予算計画のためのケース検索の組み合わせにより適応された。 証拠抽出は、300の専門家による注釈付き論文に対して0.83のF1スコアを達成した。 検索なしでは、Wenyaoは936のソース非結合の複数の質問に対して95.83%の精度を達成し、最強の汎用ベースラインでは87.93%、説明監督の精度は89.42%に低下した。 適応と検索の相補的貢献は,69件の地域予算における一致した証拠の比較で支持された。 31名によるブラインドアセスメントでは,目標値と予測結果の平均スコアが最も高かったのに対し,GPT-5はコスト見積で最高であった。 これらの知見は, 文献情報による埋立計画を支援するとともに, 現場モニタリングは土壌と作物の反応を評価する。

関連論文リスト

• Adaptive Retrieval, Selective Answers: Evaluating Conformal Factuality in Agentic RAG [0.0]
  検索拡張生成は、生成されたクレームがすべてサポートされていることを保証することなく、ファクトグラウンドを改善することができる。 エージェントRAGにおいて、言語モデルポリシーが追従検索クエリを適応的に発行するか、応答生成前に検索を終了する動作について検討する。 我々は適応的検索軌道を明示的に定式化し、エージェント終了後に共形事実が適用された場合の信頼性・情報的トレードオフを特徴付ける。
  論文  参考訳（メタデータ） (2026-10-26T05:37:03Z)
• DRA-SAM: Disagreement-Driven Referential Active SAM for Low-Altitude Drone Referring Segmentation [76.59743855575735]
  DRA-SAMは、競合する参照仮説と未解決状態に応じて追加の推論パスを割り当てる不一致駆動フレームワークである。 トレーニングフリーのReferential Disagreement LOOKポリシーは、信念に富んだ候補競争と未解決地域カバレッジをバランスさせ、局所的再推論のための作物を選択する。 DRA-SAMはRIS-LADとUAVid-RISの両方で7つのテストメトリクスのうち6つで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-10-19T08:56:35Z)
• ProbePO: Sparse Probes, Redistributed Credit for Critic-Free LLM Reinforcement Learning [55.716259164434234]
  検証可能な報酬からの強化学習は、個々の推論ステップが結果にどのように貢献するかを解明し、すべての推論軌道に1つの終末報酬を割り当てる。 GRPOは、すべてのレスポンストークンに対してグループ正規化された利点をブロードキャストする一方、よりきめ細かいアプローチは、ポリシー更新に使用されるデータを変更可能な、高密度な補助的なロールアウトや分岐スキームに依存することが多い。 限定的なロールアウト予算で、どの部分的なソリューションを評価すべきで、どのように価値を評価すればよいのか。 ProbePOは報酬のない不確実性スコアで部分解法状態を選択し、上限条件下で期待された検証者報酬を推定する
  論文  参考訳（メタデータ） (2026-10-17T07:19:05Z)
• Drafting Agents, Not Just Tokens: Speculative Recursive Self-Improvement for Agentic Systems [58.89141999692635]
  提案するSpeculative Recursive Self-Improvement(SpecRSI)は,前任者が十分に評価される前に,実行可能な後継エージェントをドラフトする。 VATSは、予測された継続の返却を使って、さらなる編集と優れたチェックの間に予算を割り当てる。 グループ検証最適化(GVO)は、実際の評価器を固定しながら、完了した探索から改善器を学習する。
  論文  参考訳（メタデータ） (2026-10-12T09:43:48Z)
• Harbor Adapters and Harbor-Index: Infrastructure and a Curated Meta-Dataset for Large-Scale Agentic Evaluation [141.29138788636013]
  任意のエージェントを評価するために80以上のベンチマークを移植するベンチマークアダプタを開発した。 54のベンチマークで,機能レベルにまたがる8モデルの大規模評価を行う。 私たちは29のベンチマークにまたがる82の難易度、多様性、高品質なタスクをキュレートしたHarbor-Indexを紹介します。
  論文  参考訳（メタデータ） (2026-09-03T16:26:20Z)
• PathoArgus: Advancing Evidence-Grounded Long-Context Visual Reasoning across Gigapixel Whole-Slide and Multi-Slide Case Contexts [14.635805865055433]
  完全エビデンスチェーンを明示的にテストするベンチマークおよび評価プロトコルであるPathoArgus-Benchを紹介する。 PathoArgus-Benchは15のTCGAプロジェクトから4,913人の患者から22,078の質問を受けている。 また、ターゲットのWSIセットが移動、置換、削除される間、質問テキストが固定される483個のクォーテの制御セットであるESGをコントリビュートする。
  論文  参考訳（メタデータ） (2026-08-18T10:16:33Z)
• Only Ask What You Don't Know: Grounded Delta Planning for Efficient Multi-step RAG [44.45565681319187]
  Grounded Delta Planning RAG (GDP-RAG) は、情報デルタのみをターゲットにした計画ベースのフレームワークである。 GDP-RAGは未解決のギャップに焦点を合わせ、簡潔で信頼性の高い推論軌道を生み出す。
  論文  参考訳（メタデータ） (2026-06-21T21:46:41Z)
• Retrieval-Augmented Generation for Domain-Specific Question Answering: A Case Study on Pittsburgh and CMU [3.1787418271023404]
  我々は、ドメイン固有の質問に答えるために、関連文書を含む大規模言語モデルを提供するために、検索型拡張生成システム(RAG)を設計した。 我々は,グリーディスクレーピング戦略を用いて1,800以上のサブページを抽出し,手動とMistralの生成した質問応答ペアを組み合わせたハイブリッドアノテーションプロセスを用いた。 我々のRAGフレームワークはBM25とFAISSレトリバーを統合し、文書検索精度を向上させるリランカで強化した。
  論文  参考訳（メタデータ） (2024-11-20T20:10:43Z)
• High-resolution landscape-scale biomass mapping using a spatiotemporal patchwork of LiDAR coverages [0.0]
  温室効果ガス推定において,森林土壌のバイオマスの微細な評価がますます重要になっている。 ここでは、トレーニングデータの選択、地域的あるいは範囲的な偏見やエラーの調査、複数スケールでのマップパターンなど、一般的な障害に対処する。 我々のモデルは全体として正確であり (% RMSE 13-33%) バイアスが非常に低く (MBE $leq$$pm$5 Mg ha$-1$) 、ほとんどのフィールドオブザーバの変動を説明した。
  論文  参考訳（メタデータ） (2022-05-17T17:53:50Z)

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。