ReaGeo：基于LLM的推理增强端到端地理编码

本文提出ReaGeo，一个基于大语言模型的端到端地理编码（geocoding）框架，旨在克服传统多阶段方法的局限，这类方法依赖地理数据库上的文本或向量相似度检索，存在流程复杂、误差传播和对结构化地理知识库重度依赖等问题。该方法将地理坐标转换为geohash序列，把坐标预测任务重新表述为文本生成问题，并引入思维链（Chain-of-Thought）机制以增强模型对空间关系的推理。此外，还采用基于距离偏差奖励的强化学习来优化生成精度。全面的实验表明，ReaGeo能够准确处理单点预测中的显式地址查询，并有效解析模糊的相对位置查询。此外，该模型对非点状几何区域展现出很强的预测能力，凸显了其在地理编码任务中的多样性与泛化能力。