Geo-R1地理指代模型

小样本高泛化

通过强化微调生成可解释推理链，在小样本地理空间指代表达理解上显著优于监督微调基线。

Zilun, Zhang · Zian, Guan · Zhao, Tiancheng · Haozhan, Shen · Cai, Yuxiang · Zhonggen, Su · 尚永衡 · Liu, Zhaojjun · 尹建伟 · Li, Xiang

ISPRS Journal of Photogrammetry and Remote Sensing 2026

技术优势

少样本也能用

强化微调让模型从少量样本中学会分解指代表达，绕过对大规模标注的依赖。

推理过程看得见

模型生成显式的推理链来分解指代表达，据此定位目标，让决策有据可查。

换数据集不掉链子

在未见过的数据集上仍保持强泛化，说明模型学到了通用指代能力而非死记。

应用场景

• 遥感图像理解：在少样本下也能准确理解遥感图像中的指代表达，降低标注成本。
• 视觉语言导航：用可解释推理链将自然语言指令与地理空间场景对应，辅助导航决策。
• 地理空间数据分析：为地理空间数据提供可解释的指代理解，支撑下游分析任务。
• 无人机图像解析：在无人机图像上快速定位指代目标，减少人工解译工作量。
• 机器人场景理解：让机器人在少样本条件下理解指代目标，提升场景交互能力。