MineAgent: 面向远程感知矿物勘探的多模态大语言模型
人工智能
2024-12-24 v1 计算与语言
摘要
远程感知矿物勘探对于识别经济可行的矿床至关重要，但对多模态大语言模型(MLLMs)而言存在显著挑战，包括领域特定地质知识的局限性以及跨多个远程感知图像进行推理的困难，这进一步加剧了长上下文问题。为此，我们提出MineAgent——一个模块化框架，利用层级判决与决策模块以提高多图像推理和空间-光谱集成能力。此外，我们提出MineBench——一个针对MLLMs在地质与高光谱数据驱动的矿物勘探任务中进行评估的专项基准测试。广泛的实验表明MineAgent的有效性，凸显了其在远程感知矿物勘探中推动MLLMs发展的潜力。
引用
@article{arxiv.2412.17339,
title = {MineAgent: Towards Remote-Sensing Mineral Exploration with Multimodal Large Language Models},
author = {Beibei Yu and Tao Shen and Hongbin Na and Ling Chen and Denqi Li},
journal= {arXiv preprint arXiv:2412.17339},
year = {2024}
}