GeoDecider：面向可解释岩相分类的粗到细智能体工作流
人工智能
2026-05-06 v1
摘要
岩相分类旨在从测井信号中推断地下岩石类型，支持储集区特征化等下游应用。尽管已有 considerable 进展，大多数现有方法仍将岩相分类视为单次分类任务。相比之下，实际专家会融合地质原理、外部知识和工具使用能力，以实现准确分类。本文提出 GeoDecider，一种粗到细智能体工作流，借助无训练的大语言模型 (LLM) 实现精准且可解释的岩相分类。GeoDecider 将岩相分类重构为类似专家的结构化流程，并组织成多阶段工作流程，涉及粗到细推理。具体而言，GeoDecider 包括以下阶段：（1）基于基分类器的粗分类，利用预训练分类器提供粗略参考以降低下游推理成本；（2）工具增强推理，利用情境分析和邻域检索等工具实现更精细的分类；（3）地质细化，对最终结果进行后处理以确保地质一致性。实验在四个基准数据集上表明，GeoDecider 在代表性基线方法上取得优异性能。进一步分析表明，所提框架在实现分类性能与推理效率之间取得更佳平衡的同时，能够产生地质可解释预测。
引用
@article{arxiv.2605.03383,
title = {GeoDecider: A Coarse-to-Fine Agentic Workflow for Explainable Lithology Classification},
author = {Jiahao Wang and Mingyue Cheng and Yitong Zhou and Qingyang Mao and Xiaoyu Tao and Qi Liu and Enhong Chen},
journal= {arXiv preprint arXiv:2605.03383},
year = {2026}
}