Мультиагентная система на основе большой языковой модели для анализа данных дистанционного зондирования
An LLM-based multi-agent system for remote sensing analysis
2026-01-08
SCID: 54.1/82u4m5ch
Discuss with AI
планирование задач на основе ИИAutoGenбольшие языковые моделимультиагентные системыанализ дистанционного зондирования
Figures from the paper
Abstract (AI)
Анализ данных дистанционного зондирования преобразует данные дистанционного зондирования в практически применимые результаты в различных областях. Однако традиционные подходы, основанные на данных, часто не учитывают технические трудности, с которыми сталкиваются конечные пользователи, не обладающие специальными знаниями в области дистанционного зондирования. Для решения этой проблемы мы предложили архитектуру мультиагентной системы на основе большой языковой модели, предназначенную для упрощения анализа данных дистанционного зондирования для неспециалистов. Архитектура включает три основных модуля: Data, содержащий наборы данных дистанционного зондирования и дополнительную информацию; Tools, включающий алгоритмы и инструменты визуализации; и Brain, обеспечивающий управление задачами и рассуждение с использованием искусственного интеллекта. Для проверки предложенной архитектуры мы использовали прототип системы ExpertsRS, разработанный на базе фреймворка AutoGen и модели DeepSeek-V3. Прототип включает три агента на основе больших языковых моделей, выполняющих различные роли и обладающих различными функциональными возможностями; агенты взаимодействуют для выполнения запросов пользователей. Система была оценена в двух экспериментах. Первый эксперимент показал, что ExpertsRS способен преобразовывать неоднозначные запросы в структурированные аналитические рабочие процессы и формировать результаты, сопоставимые с результатами работы экспертов. Второй эксперимент продемонстрировал, что ExpertsRS превосходит как базовую большую языковую модель, так и одноагентную конфигурацию по эффективности планирования и точности результатов при лишь незначительном увеличении количества используемых токенов. Наша система подтверждает потенциал мультиагентных систем на основе больших языковых моделей для помощи конечным пользователям в преодолении технических барьеров при анализе данных дистанционного зондирования.
Key Findings
1
ExpertsRS превзошёл базовую LLM и одноагентную конфигурацию по эффективности планирования и точности результатов, потребляя лишь немного больше токенов.
2
ExpertsRS преобразовывал неоднозначные запросы пользователей в структурированные аналитические рабочие процессы и создавал результаты, сопоставимые с результатами экспертов-людей.
3
Прототип ExpertsRS использует трёх специализированных по ролям агентов на основе LLM, разработанных с применением AutoGen и DeepSeek-V3, для совместного выполнения запросов пользователей.
4
Фреймворк объединяет три модуля: данные дистанционного зондирования и дополнительную информацию, аналитические и визуализационные инструменты, а также управление задачами и рассуждение на основе ИИ.
5
В работе представлен мультиагентный фреймворк на основе LLM, позволяющий неспециалистам выполнять анализ данных дистанционного зондирования несмотря на технические барьеры.
Research Object
Мультиагентная система на основе большой языковой модели для анализа данных дистанционного зондирования
Research Subject
Облегчение анализа данных дистанционного зондирования для неспециалистов посредством управления задачами, планирования рабочих процессов, рассуждений и получения точных результатов
Publication Details
Publication Date
2026-01-08
Journal
Publisher
ISSN
Cited by
6
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai6
Изображение стоит 16×16 слов: трансформеры для распознавания изображений в масштабе2020
Генерация с дополнением извлечённой информацией для больших языковых моделей: обзор2023
Интеллект, компилируемый через аффордансы: наблюдаемое сопоставление когнитивных импедансов для LLM-интегрированных систем без мета-доступа2020
🧜Песнь сирены в океане ИИ: обзор галлюцинаций в больших языковых моделях2025
Географический объектно-ориентированный анализ изображений: на пути к новой парадигме2013
Песнь сирен в океане ИИ: обзор галлюцинаций в больших языковых моделях2023