Resumen:El monitoreo de las aguas continentales es vital para salvaguardar la salud pública y los ecosistemas, permitiendo intervenciones oportunas para mitigar los riesgos. Los métodos existentes suelen abordar por separado subproblemas aislados, como las cianobacterias, la clorofila u otros indicadores de calidad. NAIAD presenta un asistente de IA agente que aprovecha los modelos de lenguaje grande (LLM) y herramientas analíticas externas para ofrecer una solución holística para el monitoreo de aguas continentales utilizando datos de observación de la Tierra (EO). Diseñado tanto para expertos como para no expertos, NAIAD proporciona una interfaz única que traduce consultas en lenguaje natural en información procesable. A través de recuperación-generación aumentada (RAG), razonamiento LLM, orquestación de herramientas externas, ejecución de gráficos computacionales y reflexión agente, recupera y sintetiza conocimientos de fuentes seleccionadas para producir informes personalizados. El sistema integra diversas herramientas para datos meteorológicos, imágenes Sentinel-2, cálculo de índices de teledetección (por ejemplo, NDCI), estimación de clorofila a y plataformas establecidas como CyFi. El rendimiento se evalúa utilizando métricas de corrección y relevancia, logrando más del 77 % y el 85 % respectivamente en un punto de referencia dedicado que cubre múltiples niveles de experiencia del usuario. Los resultados preliminares muestran una gran adaptabilidad y solidez en todos los tipos de consultas. Un estudio de ablación sobre las redes troncales de LLM destaca además que Gemma 3 (27B) y Qwen 2.5 (14B) ofrecen el mejor equilibrio entre eficiencia computacional y rendimiento de razonamiento.
Publicado originalmente en export.arxiv.org el 11 de enero de 2026.
Ver fuente original
