GeoLLM-Engine：面向构建地理空间助理人的真实环境
人工智能
2024-04-25 v1 计算与语言
机器学习
摘要
地理空间助理(Geospatial Copilots)通过自然语言指令实现地球观测(EO)应用的潜力 unprecedented unlocking。然而，现有代理依赖过于简化的单一任务和模板化提示，与实际场景存在脱节。本文提出GeoLLM-Engine，一个用于工具增强型代理的环境，所需执行的任务复杂且符合分析师在遥感平台上常规执行的工作流程。我们丰富了环境，加入地理空间API工具、动态地图/界面以及外部多模态知识库，以充分评估代理在解释真实高级自然语言命令方面的熟练程度及其在任务完成中的功能正确性。通过减轻通常与人类在环式基准制作相关的开销，我们在100个GPT-4-Turbo节点上部署了大规模并行引擎，扩展至数十万个多样化的多工具任务，覆盖110万颗卫星图像。超越传统单一任务图像-标题范式，我们调查了状态最好的代理和提示技术，以应对长期程度提示。
关键词
引用
@article{arxiv.2404.15500,
title = {GeoLLM-Engine: A Realistic Environment for Building Geospatial Copilots},
author = {Simranjit Singh and Michael Fore and Dimitrios Stamoulis},
journal= {arXiv preprint arXiv:2404.15500},
year = {2024}
}
备注
Earthvision 2024, CVPR Workshop