GeoDecider는 훈련 없이 LLM을 활용해 정확하고 설명 가능한 암석 분류를 수행하는 에이전트 기반 워크플로우다. 기본 분류기 기반 조잡한 분류, 도구 보강 추론(맥락 분석·이웃 검색), 지질학적 정제의 3단계 다단계 워크플로우로 구성된다. 4개의 벤치마크 실험에서 대표적인 기준 모델을 능가하며, 지질학적으로 해석 가능한 예측과 우수한 분류 성능-추론 효율성 트레이드오프를 달성했다.
- •GeoDecider는 훈련 없이 LLM을 활용해 암석 분류를 전문가 수준의 구조화된 과정으로 수행하는 에이전트 워크플로우다.
- •기본 분류기 조잊은 분류, 도구 보강 추론(맥락 분석·이웃 검색), 지질학적 정제의 3단계로 구성된다.
- •4개 벤치마크에서 대표 기준 모델을 능가하며, 지질학적으로 해석 가능한 예측 결과를 생성한다.
- •분류 성능과 추론 효율성 사이의 우수한 트레이드오프를 달성해 실제 저류층 특성화에 활용 가능하다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
GeoDecider: A Coarse-to-Fine Agentic Workflow for Explainable Lithology Classification
- 1.LLM 기반 에이전틱 워크플로우 GeoDecider로 암상 분류를 훈련 없이 수행
- 2.거친 분류→도구 기반 추론→지질 정합 순의 3단계 계층적 파이프라인 적용
- 3.4개 벤치마크에서 대표 기준선 초과, 지질학적으로 해석 가능한 예측 생성
왜 중요한가?
지하 암석 유형 분류에 LLM 에이전트를 접목해 전문가 수준의 도구 활용과 지식 통합을 모사함으로써, 저류층 특성화 등 고비용 전문 작업의 자동화 가능성을 보여준다.
언급 프로젝트
본문 미리보기
arXiv:2605.03383v1 Announce Type: new Abstract: Lithology classification aims to infer subsurface rock types from well-logging signals, supporting downstream applications like reservoir characterization. Despite substantial progress, most existing methods still treat lithology classification as a single-pass classification task. In contrast, practical experts incorporate geological principles, external knowledge, and tool-use capabilities to perform accurate classification. In this work, we pro
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:12AI 초안
