MSEarth：一个用于多模态大语言模型地球科学现象发现的多模态基准
人工智能
2026-05-05 v3
摘要
多模态大语言模型 (MLLM) 的快速发展为复杂的科学挑战提供了新机遇，然而由于缺乏反映地球科学推理深度和复杂性的基准，它们在地球科学中的应用——尤其是在研究生水平——仍未得到充分探索。现有数据集通常依赖合成数据或简单的图文对，无法捕捉现实世界应用所需的细致推理。为了解决这个问题，我们引入了 MSEarth，一个从高质量开放获取出版物中整理的多模态科学数据集和基准。MSEarth 覆盖地球科学的五大圈层——大气圈、冰冻圈、水圈、岩石圈和生物圈——包含超过 28.9 万张图片，并配有经过原始论文的上下文讨论和推理增强的精细标题。该基准支持科学图表标题生成、多项选择题和开放式推理等任务，为开发和评估 MLLM 的科学推理能力提供了一个可扩展、高保真的资源。
引用
@article{arxiv.2505.20740,
title = {MSEarth: A Multimodal Benchmark for Earth Science Phenomenon Discovery with MLLMs},
author = {Xiangyu Zhao and Wanghan Xu and Bo Liu and Yuhao Zhou and Fenghua Ling and Ben Fei and Xiaoyu Yue and Lei Bai and Wenlong Zhang and Xiao-Ming Wu},
journal= {arXiv preprint arXiv:2505.20740},
year = {2026}
}
备注
Accepted by ACL 2026, main conference