摘要
针对超高分辨率遥感图像中证据稀疏且分散的挑战,本文指出单一缩放工具的局限性,提出 GeoMTVR 数据集与 GeoLens 模型。该研究通过监督微调与聚焦工具注意力的强化学习算法,使多模态大语言模型掌握问题分解、工具选择、区域检查及跨工具证据整合等技能。实验表明,该方法在准确性、证据定位及工具使用效率上均优于现有基线。
AI 推荐理由
论文核心研究多工具选择、调用及协同机制,属于典型的 Agent 技能学习与应用。
研究机构
国防科技大学
武汉大学
清华大学
论文信息