PulseAugur
中
实时 05:56:08
English(EN) HydroAgent: Formalizing Forecaster Expertise into Skill-Orchestrated Flood Forecasting Workflows

新的HydroAgent框架将预报员的专业知识形式化以进行洪水预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了HydroAgent，一个将大型语言模型（LLMs）集成到洪水预报工作流程中的新颖框架。该系统旨在通过在LLM推理中嵌入明确的规则来指导操作预警决策，从而将人类预报员的默示专业知识形式化。在南亚姆希尔河流域使用五种不同的LLM进行测试，HydroAgent证明了其在大多数事件中以5%的容差准确预测峰值流量和洪水量的能力，显著优于现有的基线方案。 AI

影响 该框架可以提高人工智能驱动的环境预报系统的准确性和可审计性。

排序理由 该项目是一篇详细介绍新框架及其验证的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的HydroAgent框架将预报员的专业知识形式化以进行洪水预测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Qingyi Yang, Siqian Qiu, Bing Li, Xu Shan, Jia Feng, Shunan Zhou, Xudong Zhou, Tiantian Xing, Jiale Guo, Xiaoyi Dong, Gaoyu Liu, Xiaohuan Liu, Haiqing Pu, Qingwen Deng, Xun Zhang, Zhongrun Xiang, Haiyang Qian, Ying Yan, Yongkang Xu, Nuo Lei, Tianlong Jia… ·

    HydroAgent：将预报员专业知识形式化为技能编排的洪水预报工作流

    arXiv:2607.23983v1 Announce Type: cross Abstract: Operational flood forecasting depends on tacit forecaster expertise that is difficult to formalize, audit, and transfer. Although artificial intelligence methods have advanced flood prediction and model-error correction, most exis…

相关实体

相关话题