CangLing-KnowFlow: 用于综合遥感应用的统一知识与流程融合智能体
人工智能
2026-01-06 v2
摘要
海量遥感（RS）数据集的自动化和智能处理在地球观测（EO）中至关重要。现有的自动化系统通常是任务特定的，缺乏一个统一框架来管理多样化的端到端工作流——从数据预处理到高级解释——跨越不同的遥感应用。为解决这一空白，本文提出了CangLing-KnowFlow，一个统一的智能体框架，集成了过程知识库（PKB）、动态工作流调整和演化记忆模块。PKB包含跨越162个实际遥感任务的1008个专家验证的工作流案例，指导规划并大幅减少通用智能体中常见的幻觉。在运行时故障期间，动态工作流调整自主诊断并重新规划恢复策略，而演化记忆模块持续从这些事件中学习，迭代提升智能体的知识和性能。这种协同效应使CangLing-KnowFlow能够在多样化、复杂的任务中适应、学习和可靠运行。我们在KnowFlow-Bench上评估了CangLing-KnowFlow，这是一个由324个工作流组成的新型基准，灵感来源于真实世界应用，测试了其在13个顶级大语言模型（LLM）骨干网络上的性能，涵盖从开源到商业的模型。在所有复杂任务中，CangLing-KnowFlow在任务成功率上超越了Reflexion基线至少4%。作为这一新兴领域最全面的验证之一，本研究展示了CangLing-KnowFlow通过将专家知识（Knowledge）融入自适应和可验证的流程（Flow），作为解决复杂EO挑战的稳健、高效和可扩展的自动化解决方案的巨大潜力。
引用
@article{arxiv.2512.15231,
title = {CangLing-KnowFlow: A Unified Knowledge-and-Flow-fused Agent for Comprehensive Remote Sensing Applications},
author = {Zhengchao Chen and Haoran Wang and Jing Yao and Pedram Ghamisi and Jun Zhou and Peter M. Atkinson and Bing Zhang},
journal= {arXiv preprint arXiv:2512.15231},
year = {2026}
}