Text Gradient Descentによるマルチエージェントの天候キャプション生成の最適化：コンセンサス対応の勾配融合を備えた学習不要アプローチ
arXiv cs.CL / 2026/3/24
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、天候時系列データから領域特化した解釈可能な自然言語の天候キャプションを生成するための、Text Gradient Descent（TGD）に基づく学習不要のマルチエージェントフレームワーク「WeatherTGD」を提案する。
- 同一の観測に対して、3つの専門特化LLMエージェント――統計アナリスト、物理インタプリタ、気象の専門家――が、領域に関連するテキスト勾配を生成する。
- 新しい「コンセンサス対応の勾配融合（Consensus-Aware Gradient Fusion）」により、各エージェントの独自の領域観点を保持しつつ、共通する信号を捉えるように勾配を集約する。
- 融合後の勾配は、追加のモデル学習を必要とせずに、勾配降下法に似た反復的なキャプション改善プロセスを駆動する。
- 実際の気象データセットでの実験では、報告によれば、自動LLM評価と人間の専門家評価の双方が改善され、計算効率も、並列実行によって維持しながら、マルチエージェントのベースラインを上回る。
