GeoSkill：面向地理空间 Agent、融合协同修正的经验驱动分层技能学习框架
英文标题：GeoSkill:Experience-Driven Hierarchical Skill Learning with Collaborative Revision forGeospatialAgents
随着应用深入，地理空间 Agent（Geospatial Agent）越来越需要在重复且不断演化的分析任务中持续运行，而不再局限于执行孤立的工作流。针对这一需求，研究人员提出了 GeoSkill 框架，旨在将先前的执行经验提炼为可复用的地理空间过程化知识。该方法通过分层技能学习与协同修正机制，显著提升了 Agent 在处理复杂地理分析任务时的自适应能力与执行效率。该工作为地理空间领域开发者构建具有长期记忆与自主进化能力的 AI Agent 提供了新的技术路径与范式参考。
打开原文相关 6.4 · 机会 3
2.1 KB
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv 编号：arXiv:2609.13667v1
发布类型：最新（new）
摘要
如今，地理空间 Agent（Geospatial Agent）越来越被期望用于支持具有重复性与演化性的分析任务，而非仅仅执行单一隔离的工作流。在这种应用场景下，高效的 Agent 必须能够将以往的执行经验提炼为可复用的地理空间过程化知识。
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×