GeoAgent：面向全球位置的强化学习地理特征推理模型
人工智能
2026-02-16 v1
摘要
本文提出 GeoAgent，一种能够与人类进行密切推理并得出细粒度地址结论的模型。虽然基于强化学习的方法在性能和可解释性方面取得了突破，但仍因依赖于AI生成的链式思维（CoT）数据和训练策略而引发关注，这些做法与地理特征相冲突。为此，我们首先引入 GeoSeek，一个由地理专家和专业玩家注释的新型地理定位数据集。进一步，我们深入探讨地理任务的内在特征，提出基于地理相似性的奖励机制，以及由一致性智能体评估的一致性奖励，以辅助训练。这鼓励模型从地理角度收敛至正确答案，同时确保其推理过程的完整性和一致性。实验结果表明，GeoAgent 在多个粒度上均优于现有方法和一系列通用 VLLM，生成的推理过程与人类推理高度一致。
引用
@article{arxiv.2602.12617,
title = {GeoAgent: Learning to Geolocate Everywhere with Reinforced Geographic Characteristics},
author = {Modi Jin and Yiming Zhang and Boyuan Sun and Dingwen Zhang and MingMing Cheng and Qibin Hou},
journal= {arXiv preprint arXiv:2602.12617},
year = {2026}
}