GeoDecider：用于可解释岩性分类的从粗到细的代理工作流程

岩性分类旨在根据测井信号推断地下岩石类型，支持储层表征等下游应用。尽管取得了实质性进展，大多数现有方法仍然将岩性分类视为单通道分类任务。相比之下，实践专家结合地质原理、外部知识和工具使用能力来执行准确的分类。在这项工作中，我们提出了 GeoDecider，这是一种从粗到细的代理工作流程，通过免训练使用大语言模型 (LLM) 实现准确且可解释的岩性分类。 GeoDecider 将岩性分类重新表述为类似专家的结构化过程，并将其组织成涉及从粗到细推理的多阶段工作流程。具体来说，GeoDecider包括以下阶段：（1）基分类器引导的粗分类，使用预先训练的分类器为下游任务提供粗略参考，从而降低下游推理的总体成本；（2）工具增强推理，利用上下文分析和邻居检索等多种工具来实现更精细和更精确的分类；（3）地质细化，对最终结果进行后处理以强制地质一致性。对四个基准的实验表明，GeoDecider 的性能优于代表性基准。进一步的分析表明，所提出的框架产生了地质上可解释的预测，同时在分类性能和推理效率之间实现了更好的权衡。