Earth-Agent-Pro：利用 Agent 实现真实世界的全链地球观测

现实世界的地球观测 (EO) 代理必须将高级科学问题转化为可执行的工作流程，以获取观测结果、准备数据、执行领域计算并从运行时证据中得出结论。现有的 EO 代理通常从提供的观察结果开始，而基准通常提供准备好的输入或候选答案，使得全链开放世界的 EO 执行在很大程度上未经测试。我们提出了 Earth-Agent-Pro，这是一个执行自适应的计划和执行框架，使用专家编写的技能来限制计划和运行时工具的使用。以工作流为中心的结构化内存记录计划的步骤、接受的证据及其依赖性，从而在运行时证据使步骤无效时仅修复受影响的工作流后缀。单独的大型语言模型适配器使用序列级监督微调来规划器工作流组合和节点级组相关策略优化，并为执行器工具参数基础提供本地可验证的奖励。 Earth-Bench-Pro 将 248 个专家策划的任务核心实例化为三种匹配机制下的 744 个问题。其 248 个开放世界执行问题涵盖 RGB 图像、光谱观测和遥感产品，将高级请求与运行时数据要求、可执行轨迹和基于执行证据的开放式答案配对。凭借共享的 GPT-5 主干网，Earth-Agent-Pro 的 LLM-as-Judge 准确率达到 66.13%，在该指标中超过 ReAct 20.95 点，在 Tools-In-Order 中超过 ReAct 24.44 点。联合适配器调整将 Qwen3.5-9B LLM 作为判断的准确率从 38.31% 提高到 50.00%，比未调整的配置提高了 11.69 点。仅规划评估和使用参考工作流的执行表明，适配器分别改进了工作流组成和论证基础。代码和数据集即将发布。