Fugu-MT 論文翻訳(概要): OSGR: Observation-Support Graph Reasoning for Earth Observation Question Answering

論文の概要: OSGR: Observation-Support Graph Reasoning for Earth Observation Question Answering

arxiv url: http://arxiv.org/abs/2611.04301v1
Date: Tue, 03 Nov 2026 04:31:43 GMT
ステータス: 情報取得中
システム内更新日: 2026-11-04 17:29:04.601991
Title: OSGR: Observation-Support Graph Reasoning for Earth Observation Question Answering
Title（参考訳）: OSGR:地球観測質問応答のための観測支援グラフ推論
Abstract要約: 検索をオフラインのシンボリックな概念パスに分解するフレームワークを提案する。 Earth-Bench と DisasterM3-Reason OSGR は GPT-4o の精度を 49.3% から 63.7% に改善している。
参考スコア（独自算出の注目度）: 10.53035440830153
License:
Abstract: Answering geographic queries over Earth observation (EO) archives requires solving a joint retrieval-and-derivation problem under strict spatiotemporal constraints. Existing LLM agents fail to ground observation items or suffer from search-space explosion. We propose OSGR, a two-stage framework that factorizes this search into offline symbolic concept deduction and online Relation-Conditioned Grounding. OSGR leverages an offline Observation-Support Graph to deduce valid target-to-result support paths at the concept level, and applies spatiotemporal compatibility kernels to instantiate grounded observation-item sets. On Earth-Bench and DisasterM3-Reason, OSGR improves GPT-4o accuracy from 49.3\% to 63.7\% while reducing the execution-step ratio from 2.9 to 2.5.
Abstract（参考訳）: 地球観測(EO)アーカイブ上の地理的クエリに答えるには、厳密な時空間的制約の下で共同検索と導出の問題を解く必要がある。既存のLLMエージェントは観測項目の接地や探索空間の爆発に失敗する。我々は、この検索をオフラインのシンボリックな概念推論とオンラインリレーショナル・コンディション・グラウンドディングに分解する2段階のフレームワークであるOSGRを提案する。 OSGRはオフラインのObservatory-Support Graphを活用して、概念レベルで有効なターゲット・ツー・レストサポートパスを推論し、時空間互換性カーネルを適用して、接地されたオブザーバ・イテムセットをインスタンス化する。 Earth-Bench と DisasterM3-Reason では、OSGR は GPT-4o の精度を 49.3\% から 63.7\% に改善し、実行ステップ比を 2.9 から 2.5 に下げている。

関連論文リスト

MIRAGE: Defending Long-Form RAG Against Misinformation Pollution [87.40537931342082]
我々は、長期RAGのためのトレーニング不要でモデルに依存しない防御システムであるMIRAGEを紹介した。 MIRAGEはNLIベースのクロスドキュメントクレームグラフを構築し、一貫性のあるマルチソースサポートサブセットの条件生成や、検索とパラメトリック応答のブロックにDefended-Claims Gateを適用している。
論文参考訳（メタデータ） (2026-07-06T13:36:12Z)
Explainable Geospatial AI for Satellite Ground Station Siting Using LiDAR-Derived Terrain Intelligence [0.0]
RCHは、電波伝搬と干渉解析において重要なパラメータである。オープンな地理空間データからRCHを予測するための、解釈可能な、グローバルにデプロイ可能な機械学習フレームワークを提案する。
論文参考訳（メタデータ） (2026-06-19T19:08:52Z)
GeoDisaster: Benchmarking Orchestrated Agents for Operational Disaster Geo-Intelligence [34.091777505490235]
43の質問タイプにわたる2,921の検証インスタンスを備えた,運用時地理空間災害推論ベンチマークであるGeoDisasterを紹介した。地空間的および決定論的整合性チェックでは, 地表面の解答が基礎となる。本稿では,18の災害対応ツールを用いたマルチエージェントフレームワークを提案する。
論文参考訳（メタデータ） (2026-06-15T19:46:10Z)
High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。固定復号器用の潜時空間スピングラス辞書を定式化する。トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
論文参考訳（メタデータ） (2026-05-23T06:17:23Z)
Latent-GRPO: Group Relative Policy Optimization for Latent Reasoning [56.60090698761805]
既存の潜伏推論手法は主に教師あり学習に焦点をあてており、潜伏空間における強化学習は非常に不安定である。グループ相対政策最適化 (GRPO) のレンズを用いてこの問題を考察し、潜伏推論にGRPOを直接適用することは基本的には非自明であることを示す。無効サンプルの利点マスキング,片側ノイズサンプリング,最適修正パスファーストトケン選択を組み合わせたtextbfLatent-GRPO を提案する。
論文参考訳（メタデータ） (2026-04-30T15:23:40Z)
CodaRAG: Connecting the Dots with Associativity Inspired by Complementary Learning [50.98972985136333]
CodaRAGは、受動的検索からアクティブな連想発見へと進化するフレームワークである。 CodaRAGは、検索リコールで7-10%、生成精度で3-11%という絶対的なゲインを達成する。
論文参考訳（メタデータ） (2026-04-12T02:50:40Z)
Faithful GRPO: Improving Visual Spatial Reasoning in Multimodal Language Models via Constrained Policy Optimization [31.411469692692766]
Chain-of-Thoughtトレースは、最終的な回答と矛盾することが多く、視覚的証拠が不十分である。ラグランジアン二重昇華による制約として整合性と接地を強制するFithful GRPOを提案する。その結果,FGRPOは推論品質を大幅に改善し,不整合率を24.5%から1.7%に下げ,視覚的接点スコアを+13%改善した。
論文参考訳（メタデータ） (2026-04-09T17:15:47Z)
Hypothesis Graph Refinement: Hypothesis-Driven Exploration with Cascade Error Correction for Embodied Navigation [9.519753129113651]
身体的エージェントは、信頼性のある長期記憶を維持しながら、部分的に観察された環境を探索する必要がある。既存のグラフベースのナビゲーションシステムは、探索されていない領域を意味不明として扱い、非効率なフロンティア探索をもたらす。本稿では,フロンティア予測を依存型グラフメモリにおける修正可能な仮説ノードとして表現するフレームワークである仮説グラフ再定義(HGR)を提案する。
論文参考訳（メタデータ） (2026-04-05T13:02:18Z)
VOGUE: Guiding Exploration with Visual Uncertainty Improves Multimodal Reasoning [62.09195763860549]
検証可能な報酬(RLVR)による強化学習は、大きな言語モデル(LLM)の推論を改善するが、探索に苦労する。出力(テキスト)から入力(視覚)空間へ探索をシフトする新しい手法である$textbfVOGUE(Visual Uncertainty Guided Exploration)を紹介した。本研究は,視覚入力の本質的不確実性における基盤探索が,マルチモーダル推論を改善するための効果的な戦略であることを示す。
論文参考訳（メタデータ） (2025-10-01T20:32:08Z)
DHECA-SuperGaze: Dual Head-Eye Cross-Attention and Super-Resolution for Unconstrained Gaze Estimation [0.0]
本稿では,DHECA-SuperGazeについて紹介する。DHECA-SuperGazeは,視線予測を超解像(SR)とデュアルヘッドアイ・クロスアテンション(DHECA)モジュールを用いて進める深層学習に基づく手法である。 Gaze360およびGFIEデータセットの性能評価は,提案手法のデータセット内性能に優れていた。
論文参考訳（メタデータ） (2025-05-13T10:45:08Z)
Unifying Unsupervised Graph-Level Anomaly Detection and Out-of-Distribution Detection: A Benchmark [73.58840254552656]
近年,非教師付きグラフレベルの異常検出(GLAD)と教師なしグラフレベルのアウト・オブ・ディストリビューション(OOD)検出が注目されている。教師なしアンダーラインtextbfGraphレベルアンダーラインtextbfOOD と anomaunderlinetextbfLy underlinetextbfDetection (ourmethod) に対するアンダーラインtextbfUnifiedアンダーラインtextbffBenchmark を提案する。私たちのベンチマークには35のデータセットが含まれています
論文参考訳（メタデータ） (2024-06-21T04:07:43Z)

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。