TerraBench：智能体能否在异构地球系统数据上进行推理？

气候与环境决策需跨异构输入进行推理。现有模型要么擅长预测但缺乏语言交互推理，要么擅长语言推理却无法直接处理高维地球数据。本文提出 TerraBench，一个基于 TerraAgent 的可执行框架基准，通过交错推理、工具调用与观测，耦合大语言模型规划与科学工具。该基准统一了影像分析、网格数据、GIS 推理及模拟任务，包含 403 个复杂代理任务及 24,500 个验证步骤，旨在评估智能体协调异构工作流及精确参数化的能力。