arXiv cs.CL· Sijie Zhao, Zeqi Zhou, Heli Qi, Xuanchao Fu, Zhuo Zheng, Junshi Xia, Junjue Wang, Weihao Xuan, Naoto Yokoya·· 2 天前AI 评分60
把任意地球观测任务变成递归自我改进：智能体自主构建遥感模型
The Last Remote Sensing Model Built by Humans? Casting Any Earth Observation Task as Recursive Self-Improvement
AI 导读
arXiv 论文提出把任意可验证的地球观测任务拆成 harness 与 verifier 两部分，由通用编码智能体据此自行构建并递归改进 EO 模型。在覆盖光学、SAR 和多光谱时间序列的六个 EO 基准上，智能体构建的模型全部超过当前最优水平，其中土地覆盖制图仅用 11% 的训练标签。作者认为这确立了人类设计 harness 与 verifier、智能体构建模型的新范式。
正文 · AI 翻译
摘要：地球观测（EO）模型目前仍靠人工构建。每遇到一个新任务，专家都要设计一套训练方案，并针对某个基准进行调优。我们证明，这一循环可以交给一个智能体来完成。任何可验证的任务都可以被表述为一个执行框架（harness）和一个验证器（verifier），其中执行框架定义智能体可以使用什么，验证器定义什么算作成功。通过标注基准、独立传感器、物理模型或对同一地点的重复观测，每个 EO 任务都可以变得可验证。仅给定这两个组件，一个通用编码智能体就能构建 EO 模型，并基于自身输出递归地改进它。长期以来被视为彼此独立研究问题的各种设定，从仅有少量标签的学习到跨域适应，都变成了对执行框架和验证器的选择。在涵盖光学、SAR 和多光谱时间序列影像的六个 EO 基准上，输出范围从土地覆盖图和舰船实例到冠层高度以及关于大图像的问答，智能体构建的模型在每一个基准上都超越了当前最优水平，并且在土地覆盖制图上，它们仅用 11% 的训练标签就做到了这一点。这为 EO 确立了一种新范式：人类设计执行框架和验证器，智能体构建模型，因此 EO 模型会随着智能体的进步而进步。
| 评论： | 进行中的项目 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.18845 [cs.CV] |
| （或 arXiv:2610.18845v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18845 由 DataCite 提供的 arXiv 颁发 DOI |
提交历史
来自：Sijie Zhao [查看电子邮件]
[v1]
2026年10月13日星期二 17:57:51 UTC（354 KB）
[v2]
2026年10月15日星期四 16:56:46 UTC（412 KB）
来源：arXiv cs.CL · arxiv.org