概要: グリーン雨水管理インフラ（GSI）システムは、透水性舗装、レインガーデン、バイオリテンション施設など、長期的な性能を確保するためには継続的な点検と維持管理が必要です。しかし、GSIに関する専門知識は、多くの場合、自治体のマニュアル、規制文書、点検フォームなど、さまざまな資料に分散しています。その結果、専門知識を持たない利用者や保守スタッフは、現場の観察から信頼性の高く実用的な指針を得るのに苦労することがあります。大規模言語モデル（LLM）は、一般的な推論能力と言語生成能力を示してきましたが、ドメイン固有の知識を欠くことが多く、工学の場面では不正確な回答や幻情報を生み出すことがあります。この制限は、専門的なインフラ関連の作業への直接的な適用を制限します。本論文では、GSI関連のタスクの性能を向上させることを目的とした、ドメイン強化型LLMフレームワークであるGSI Agentを提案します。私たちのアプローチは、三つの相補的な戦略を統合します：（1）キュレーション済みのGSI指示データセットに対する教師付き微調整（SFT）、（2）自治体文書から構築された内部GSI知識ベースを用いた検索強化生成（RAG）、（3）取得、文脈統合、および構造化応答生成を調整するエージェントベースの推論パイプライン。 また、現実世界のGSI点検・保守シナリオに合わせた新しいGSIデータセットを作成します。 実験結果は、当社のフレームワークが、一般知識能力を維持しつつ、ドメイン特有の性能を顕著に向上させることを示しています。 GSIデータセットではBLEU-4が0.090から0.307に向上し、共通知識データセットでの性能は安定しています（0.304 vs. 0.305）。 これらの結果は、系統的なドメイン知識の強化が、汎用的なLLMを専門的なインフラ用途へ効果的に適応させることを示しています。
返却形式: {"translated": "翻訳されたHTML"}
