GeoForge：面向对地观测推理的非参数自进化智能体

对地观测（EO）智能体构建科学有效的工具工作流，并将其结论扎根于最新的地理空间证据。这具有挑战性，因为EO工作流受传感语义、产品依赖、时空兼容性和参数要求的约束。现有智能体常为每个查询在宽泛的操作空间中搜索，而近期的自进化系统未能将异构EO轨迹充分组织为跨决策层级的可复用知识。为解决该问题，我们提出GeoForge，一个免训练的自进化框架，将已完成的轨迹转化为结构化的非参数执行状态。GeoForge根据传感上下文约束操作空间，然后从三种互补记忆中检索任务条件化的先验：工作流图记忆捕捉全局操作顺序，动作级经验提供局部修正，适配的技能标准操作程序（SOP）保留流程与数据约束。检索到的先验指导工具执行，而当前观测仍是最终答案的依据。每个任务完成后，安全门控的蒸馏过程将有据可查的轨迹转化为可复用的执行知识，供未来检索。这种执行、蒸馏与复用循环在不更新骨干大语言模型（LLM）的情况下改进规划。在多个地理空间基准上的实验表明，GeoForge在多样的LLM骨干上持续提升任务准确率和工具使用轨迹质量，同时对大多数LLM大幅减少工具规划与推理错误。