OSGR：面向地球观测问答的观测支持图推理

OSGR 用图推理分解地球观测问答的检索与推导

资讯摘要

论文提出 OSGR 两阶段框架，用于地球观测档案上的地理查询问答，将检索与推导联合问题分解为离线符号概念推演和在线关系条件接地。作者报告，在 Earth-Bench 与 DisasterM3-Reason 上，OSGR 将 GPT-4o 准确率从 49.3% 提升至 63.7%，执行步数比从 2.9 降至 2.5。

要点速读

1. OSGR 通过离线 Observation-Support Graph 在概念层面推导目标到结果的支持路径
2. 在线阶段用时空兼容核实例化接地的观测项集合
3. 作者报告在 Earth-Bench 和 DisasterM3-Reason 上 GPT-4o 准确率由 49.3% 升至 63.7%，执行步数比由 2.9 降至 2.5

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。