arXiv cs.CY· Isaac Corley, Nils Lehmann, Caleb Robinson, Gabriel Tseng, Anthony Fuller, Hamed Alemohammad, Evan Shelhamer, Jennifer Marcus, Hannah Kerner·· 10 小时前AI 评分34
没人知道地理空间基础模型（GFM）的 SOTA 是什么：152 篇论文审计揭示评测乱象
No One Knows the State of the Art in Geospatial Foundation Models
AI 导读
一项对 152 篇地理空间基础模型（GFM）论文的审计发现，该领域无人能确定当前 SOTA：论文间存在 47 处至少 5 个百分点的结论分歧（其中 18 处达 10 个百分点以上），126 篇使用预训练数据的论文中有 94 篇的配置独一无二，39% 的论文未发布模型权重。
正文 · AI 翻译
摘要：地理空间基础模型（GFM）被提出作为可泛化的骨干模型，用于灾害响应、土地覆盖制图、粮食安全监测以及其他高风险的地球观测任务。然而，关于这些模型的已发表工作并未给审稿人或用户提供足够的信息，以判断哪个模型适合给定任务。我们认为，没有人知道地理空间基础模型当前的最先进水平是什么。这些方法可能有用，但 GFM 文献在评估、训练与测试协议、已发布权重或预训练控制方面标准化程度不足，任何人都无法对它们进行比较或排名。在一项对 152 篇论文的审计中，我们在模型、基准和协议分组内发现 47 处至少 5 个百分点的跨论文分歧，其中 18 处至少 10 个百分点；126 篇有预训练数据的论文中有 94 篇使用的配置没有其他论文使用；39% 的 GFM 论文未发布任何模型权重。这种社区标准的缺失是可以解决的。我们提出六项具体期望：以具名许可证发布权重、共享核心评估、标注基线是复制还是重跑、报告方差、一个共享评估框架，以及数据与架构与算法的控制。这些差距是一种协调失败，而非任何单个实验室的过错；本文作者与 GFM 社区的许多其他人一样，也对此有所贡献。我们不仅是在批评社区，更旨在提供具体步骤，以就如何评估和改进 GFM 达成共识。
| 主题： | 计算机视觉与模式识别（cs.CV）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2605.12678 [cs.CV] |
| （或 arXiv:2605.12678v4 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.12678 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Isaac Corley [查看邮箱]
[v1]
2026年5月12日星期二 19:29:51 UTC（69 KB）
[v2]
2026年6月12日星期五 18:15:18 UTC（69 KB）
[v3]
2026年9月10日星期四 19:44:05 UTC（79 KB）
[v4]
2026年11月6日星期五 02:25:43 UTC（88 KB）
来源：arXiv cs.CY · arxiv.org