A RAG-Based Multi-Agent LLM System for Natural Hazard Resilience and Adaptation
Created by
Haebom
저자
Yangxinyu Xie, Bowen Jiang, Tanwi Mallick, Joshua David Bergerson, John K. Hutchison, Duane R. Verner, Jordan Branham, M. Ross Alexander, Robert B. Ross, Yan Feng, Leslie-Anne Levy, Weijie Su, Camillo J. Taylor
개요
본 논문은 대규모 언어 모델(LLM)을 활용하여 자연 재해, 특히 산불 상황에서 의사결정 지원 시스템을 구축하는 방법을 제시한다. 기존 LLM의 한계인 맥락 특수성 부족을 해결하기 위해, 검색 증강 생성(RAG) 기반의 다중 에이전트 LLM 시스템인 WildfireGPT를 제안한다. WildfireGPT는 도메인 특정 예측 데이터, 관측 데이터, 과학 문헌을 통합하여 사용자 중심의 맞춤형 위험 통찰력을 다양한 이해관계자에게 제공한다. 10개의 전문가 주도 사례 연구를 통해 기존 LLM 기반 솔루션보다 자연 재해 및 극한 기상 상황에서의 의사결정 지원 성능이 월등히 우수함을 입증한다.
시사점, 한계점
•
시사점:
◦
RAG 기반 다중 에이전트 LLM 시스템을 활용하여 자연 재해 상황에서의 의사결정 지원 시스템 구축 가능성 제시
◦
도메인 특정 데이터 통합을 통해 LLM의 정확성 및 맥락 적합성 향상
◦
사용자 중심의 맞춤형 위험 통찰력 제공을 통한 다양한 이해관계자 지원
◦
WildfireGPT를 통한 실증 연구 결과를 통해 LLM 기반 자연 재해 의사결정 지원 시스템의 우수성 확인
•
한계점:
◦
WildfireGPT는 산불 상황에 특화되어 있어 다른 유형의 자연 재해에는 적용 가능성이 제한적일 수 있음
