Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Мультимодальные агенты часто принимают сдвиг показаний одного спутника за реальное изменение на земле. В EarthRecord изначально верные ответы следовали за искусственно изменёнными данными в 53,5% случаев, хотя работа не рецензирована и числа получили сами авторы. Значит, правильного ответа недостаточно: система должна проверять, что изменился объект, а не прибор.
EarthRecord даёт агенту исходный архив Landsat, MODIS, VIIRS и Sentinel-2: отдельные необработанные растровые каналы, служебные слои и наблюдения за много лет. Агент сам выбирает снимки, отбрасывает облака, приводит данные разных сенсоров к общей шкале, строит изображения и вычисляет ответ. Такой формат проверяет весь путь анализа, а не работу с заранее подготовленной картинкой.
Бенчмарк отделяет анализ данных от догадки по известному региону двумя контрольными режимами. В первом агент отвечает без архива. Во втором данные одного спутника искусственно сдвигают, хотя состояние земли не меняется; изменение можно обнаружить, если сопоставить показания с другим спутником. Ответ засчитывают только тогда, когда модель приходит к верному выводу во всех трёх запусках.
Лучшие модели справились с 92% вопросов, где достаточно вычислить показатель из готовых переменных, но лишь с 61% задач, где нужно самостоятельно распознать изменение по снимкам. В неудачных запусках агенты могли заметить расхождение между спутниками, но объясняли его вырубкой, засухой или другим событием на земле, а не сбоем измерения.
Проверка охватила 238 вопросов по 56 участкам: леса, водоёмы, города, пожары, сельское хозяйство, снег и побережья. Сравнивали модели OpenAI, Anthropic, Google, DeepSeek, Moonshot AI и Alibaba в автономной среде без интернета, но с Python, геопространственными библиотеками и просмотрщиком изображений. Для продуктов мониторинга это указывает на конкретное требование к архитектуре: вывод агента нужно подкреплять автоматической сверкой между сенсорами, особенно при смене спутника или резком разрыве временного ряда.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
