GCA 프레임워크: 걸프 지역 기반 데이터셋 및 의사 결정 지원을 위한 에이전트 기반 파이프라인

GCA Framework: A Gulf-Grounded Dataset and Agentic Pipeline for Climate Decision Support

걸프 지역의 기후 의사 결정은 다양한 과학적 및 정책적 증거를 실행 가능한 지침으로 변환할 수 있는 시스템을 점점 더 요구하고 있지만, 범용 대규모 언어 모델(LLM)은 여전히 지역별 기후 지식과 지리공간 및 예측 도구와의 연계된 상호 작용에서 부족한 실정입니다. 본 연구에서는 (i) 걸프 지역에 특화된 멀티모달 데이터셋인 GCA-DS와 (ii) 기후 분석을 위한 도구 기반 에이전트인 걸프 기후 에이전트(GCA)를 통합한 GCA 프레임워크를 제시합니다. GCA-DS는 정부 정책 및 적응 계획, NGO 및 국제 프레임워크, 학술 논문, 그리고 폭염, 황사, 홍수와 관련된 실시간 보고 데이터를 포함하는 약 20만 개의 질의응답 쌍으로 구성되어 있으며, 원격 감지 데이터를 활용하여 이미지와 텍스트 증거를 연결합니다. 이러한 기반을 바탕으로, GCA 에이전트는 실시간 및 과거 데이터와 지리공간 처리 기반의 모듈형 도구 파이프라인을 통해 파생된 지표와 해석 가능한 시각화를 생성합니다. 마지막으로, 우리는 개방형 및 독점 LLM을 걸프 지역 기후 관련 작업에 대해 평가하고, 도메인별 미세 조정과 도구 통합이 범용 기준 모델보다 신뢰성을 크게 향상시킬 수 있음을 보여줍니다.

Climate decision-making in the Gulf increasingly demands systems that can translate heterogeneous scientific and policy evidence into actionable guidance, yet general-purpose large language models (LLMs) remain weak both in region-specific climate knowledge and grounded interaction with geospatial and forecasting tools. We present the GCA framework, which unifies (i) GCA-DS, a curated Gulf-focused multimodal dataset, and (ii) Gulf Climate Agent (GCA), a tool-augmented agent for climate analysis. GCA-DS comprises ~200k question-answer pairs spanning governmental policies and adaptation plans, NGO and international frameworks, academic literature, and event-driven reporting on heatwaves, dust storms, and floods, complemented with remote-sensing inputs that couple imagery with textual evidence. Building on this foundation, the GCA agent orchestrates a modular tool pipeline grounded in real-time and historical signals and geospatial processing that produces derived indices and interpretable visualizations. Finally, we benchmark open and proprietary LLMs on Gulf climate tasks and show that domain fine-tuning and tool integration substantially improve reliability over general-purpose baselines.