An LLM-Driven Agentic Framework for Automated Seismic Soil Liquefaction Hazard Assessment Using SPT- and CPT-Based Machine Learning Models
Este estudo apresenta um framework de agentes automatizado e impulsionado por LLM que integra modelos XGBoost de alta precisão para avaliação de liquefação de solos baseada em SPT e CPT com processamento de linguagem natural para otimizar a extração de dados, a seleção de modelos e a interpretação de engenharia para triagem rápida de riscos sísmicos.