摘要
针对地球观测(EO)智能体在构建科学有效工具工作流时面临的约束复杂及现有系统难以复用异构轨迹的问题,本文提出GeoForge。这是一个免训练的自进化框架,将完成的任务轨迹转化为结构化的非参数执行状态。GeoForge根据感知上下文约束操作空间,并从工作流图记忆、动作级经验和适配技能标准作业程序中检索先验知识以指导工具执行。任务结束后,通过安全门控蒸馏过程将基于证据的轨迹转化为可复用的执行知识。这种执行-蒸馏-复用循环在不更新基础LLM的情况下显著提升了任务准确性和工具使用轨迹质量。
AI 推荐理由
论文核心提出非参数化自我进化框架,通过轨迹蒸馏与知识复用实现Agent无需更新权重即可持续改进规划能力。
研究机构
重庆大学计算机学院
中国科学院自动化所MAIS
中国科学院航天信息研究所
论文信息