感知以提出假设，验证以确立依据：开放世界地理定位的智能体推理框架

开放世界的地理定位需要模型通过多步骤推理和外部知识基础来推理模糊的视觉线索。虽然最近的大型视觉语言模型表现出强大的多模态推理能力，但由于缺乏明确的基于证据的验证，现有方法仍然存在知觉幻觉和上下文漂移的问题。在这项工作中，我们将地理定位重新表述为类人感知然后验证的推理问题，并提出了 GeoPAVE（地理定位感知和验证引擎），这是一个双层代理框架，其中包含通过单通道推出的基于感知的假设生成和基于验证的决策行动证据基础：支持、反驳和完善。为了支持严格的评估，我们进一步引入了 PAVED，这是一个源自真实世界用户签到数据的新颖数据集，配备了全面的推理轨迹，具有多跳查询​​、多轮工具调用和结构化感知验证轨迹。数据集和代码可在 https://github.com/Arandinglv/GeoPAVE 获取。