Knowledge-Grounded Agentic Large Language Models for Multi-Hazard Understanding from Reconnaissance Reports
Created by
Haebom
Category
Empty
저자
Chenchen Kuai, Zihao Li, Braden Rosen, Stephanie Paal, Navid Jafari, Jean-Louis Briaud, Yunlong Zhang, Youssef M. A. Hashash, Yang Zhou
개요
본 논문은 재해 후 정찰 보고서의 비정형적인 텍스트 데이터를 구조화하여 다중 재해 분석을 위한 지식 기반 대규모 언어 모델(LLM) 프레임워크인 MoRA-RAG(Mixture-of-Retrieval Agentic RAG)를 제시한다. MoRA-RAG는 혼합 검색 메커니즘을 통해 재해별 데이터베이스에서 동적으로 쿼리를 라우팅하고, 에이전트 기반 청킹을 사용하여 컨텍스트적 일관성을 유지하며, 증거 충분성을 평가하고 쿼리를 개선하며 정보가 불완전할 경우 표적 검색을 시작하는 검증 루프를 포함한다. GEER 정찰 보고서를 기반으로 한 HazardRecQA 데이터셋을 사용하여 최대 94.5%의 정확도를 달성하며, 제로샷 LLM보다 30%, 최첨단 RAG 시스템보다 10% 성능을 향상시켰다. 또한, MoRA-RAG는 오픈 웨이트 LLM이 독점 모델과 유사한 성능을 달성하도록 하여 재해 복구에 대한 신뢰할 수 있는 정보를 제공하는 새로운 패러다임을 제시한다.
시사점, 한계점
•
시사점:
◦
재해 후 보고서의 비정형 데이터를 구조화하여 다중 재해 분석에 활용 가능한 프레임워크 제시.
