项目核心与创新点 - 由上海人工智能实验室与中山大学联合研发的Earth-Agent，旨在解决多模态大语言模型在地球科学应用中的核心瓶颈，目标是打造能够自主规划并执行复杂地球科学任务的“AI科学家”[3] - 项目创新性地模拟了人类专家“知识工具化”与“流程自动化”的能力构建逻辑，将领域知识封装为可调用的工具，并由大语言模型担任“大脑”进行智能规划与调度[5][6][10] - 核心框架包含两大关键构建：1）领域知识工具封装化，集成了104个专用工具；2）基于LLM的智能规划与调度，采用ReAct机制自主完成从数据预处理到复杂时空分析的全链路工作流[8][10] 基准评估体系 - 为解决评估难题，研究团队构建了Earth-Bench基准，包含248个专家标注的任务，覆盖13,729张图像，平均每个题目需处理55张影像，平均每个问题需要5.4步才能完成[12][13] - 该基准涵盖三大模态数据：RGB图像、原始光谱数据和地球产品数据，核心是评估智能体执行完整地球科学分析工作流的能力，而非简单的单步任务[12][14] - 评估协议采用双层次设计，不仅关注最终结果的端到端评估，还引入了专家推理轨迹进行逐步评估，认为推理过程与结论本身同样重要[17] 性能表现与对比分析 - 在不同LLM骨干网络的测试中，进行过工具调用预训练的模型表现大幅领先，其中DeepSeek-V3.1和Kimik2在推理过程中的工具使用准确率上超越了GPT-5[19] - 与通用Agent架构的对比显示，Earth-Agent在Spectrum、Products、RGB三个模态上的平均效果（GPT-5版为55.83）显著领先于GPT-Agent（40.42）等其他方法[22] - 与多模态大语言模型方法的对比中，Earth-Agent在经典遥感任务上表现优异，例如在AID数据集分类准确率达93.42%，在DOTA数据集检测任务上达60.88%，均领先于对比模型[22] 技术验证与未来展望 - 消融实验证实了工具调用的关键作用：在不使用工具的情况下，不同LLM的准确率均约为37%，而允许调用工具后，GPT-5的准确率提升至65%，其他模型也均有显著提升[25] - 项目提出了一个与MLLM不同的新范式，将能力外化为结构化工具库，而非全部编码到模型参数中，这种范式更接近人类的学习和工作方式[26] - 未来发展路线明确：从基石到生态，工具库可方便扩展；从评估到训练，为解决“工具幻觉”等问题提供指导；从语言到视觉，视觉语义的工具感知可能是下一个突破点[26]