遥感代理双向语义补充工具检索

基于 大语言模型 (LLM) 的代理为遥感 (RS) 数据的自动处理提供了一种新颖的范例。他们在复杂的遥感任务中的成功依赖于广泛的专业工具库。然而，工具文档通常超出 LLM 的上下文窗口限制，这使得精确的工具检索对于代理工作流程至关重要。现有的工具检索方法面临“语义不对称”瓶颈：自然语言查询通常表达宏观层面的意图，缺乏工具特定的语义，而工具文档提供细粒度的技术描述，缺乏工作流的操作上下文。为了弥合这种语义差距，本文提出了一种双向语义互补工具检索方法。首先，在查询方面，我们引入了一种基于规划的查询增强机制，利用代理的推理能力将抽象意图分解为逻辑子任务，从而主动补充缺少功能语义的查询。其次，在工具方面，针对RS工具链强耦合的特点，我们构建了具有持续学习能力的动态工具依赖图。通过采用邻域信息聚合机制，来自前驱工具的上下文信息被显式地注入到当前节点表示中，从而用上下文语义丰富了工具描述。在RS数据集GeoPlan-bench和通用数据集API-Bank上的实验结果表明，所提出的方法不仅显着提高了复杂RS任务的工具检索精度，而且还表现出向通用域任务转移的强大可扩展性。源代码和数据集可在 https://github.com/geox-lab/BSCTR 获取。