GeoMind：一种基于工具调用的 lithology 分类智能工作流程
人工智能
2026-04-28 v2
摘要
井位岩性分类是地质勘探数据挖掘的基本任务，旨在从多维地球物理序列中推断岩石类型。尽管近期进展取得显著成果，现有方法通常将问题建模为静态的、单步骤判别式映射。这种静态范式限制了基于证据的诊断推理，常常因缺乏领域先验知识而导致预测脱离地质现实。在本工作中，我们提出 GeoMind，一个工具增强型智能体框架，将岩性分类建模为顺序推理过程。GeoMind 将其工具组织为感知、推理和分析模块，分别将原始测井数据转化为语义趋势、从多源证据推断岩性假设，并根据地层约束验证预测结果。全局规划器根据输入特征自适应地协调这些模块，从而实现符合地质常规的、以证据为依据的决策。为保证 GeoMind 推理过程的逻辑一致性，我们引入细粒度的过程监督策略。不同于仅关注最终结果的常规方法，本研究优化中间推理步骤，确保决策轨迹的有效性并与地质约束保持一致。在四个基准测井数据集上的实验表明，GeoMind 在分类性能上 consistently 优于强基线方法，同时提供透明且可追溯的决策过程。
引用
@article{arxiv.2604.21501,
title = {GeoMind: An Agentic Workflow for Lithology Classification with Reasoned Tool Invocation},
author = {Yitong Zhou and Mingyue Cheng and Jiahao Wang and Qingyang Mao and Qi Liu},
journal= {arXiv preprint arXiv:2604.21501},
year = {2026}
}