SIREN: Agenti LLM per l'allerta precoce end-to-end di eventi meteorologici estremi
Un nuovo studio introduce SIREN, un framework che utilizza agenti basati su Large Language Model (LLM) per l'allerta precoce automatica end-to-end di eventi meteorologici estremi. I ricercatori hanno sviluppato SIREN-Bench, un benchmark di 600 coppie domanda-risposta distribuite su 19 compiti, che coprono quattro procedure di allerta individuali e una catena di allerta completa. La valutazione su SIREN-Bench rivela significative lacune nelle capacità degli agenti LLM esistenti per i compiti operativi di allerta. Il lavoro mira a ridurre i costi elevati e l'intensità di lavoro dei flussi di lavoro incentrati su esperti, automatizzando la catena di processi interdipendenti dall'analisi dei dati alle raccomandazioni di azione. Lo studio è pubblicato su arXiv.
Fatti principali
- SIREN è un framework per l'allerta precoce automatica end-to-end di eventi meteorologici estremi tramite agenti LLM.
- SIREN-Bench comprende 600 coppie domanda-risposta distribuite su 19 compiti.
- Il benchmark copre quattro procedure di allerta individuali e una catena di allerta end-to-end.
- La valutazione rivela sostanziali lacune nelle capacità degli agenti LLM esistenti.
- Lo studio mira a scalare i processi di allerta-azione riducendo la dipendenza dal lavoro esperto.
- Pubblicato su arXiv con ID 2607.24588.
- Il lavoro affronta la catena di processi interdipendenti necessari per l'allerta precoce operativa.
- Gli studi esistenti si concentrano su compiti scientifici isolati, non sull'allerta end-to-end.
Entità
Istituzioni
- arXiv