WeaveAgent：分开遥感工具路由与视觉回答

问题。具有模糊用户意图的超高分辨率（UHR）遥感有两个瓶颈：视觉标记昂贵，工具调用必须格式可靠（预训练模型在零样本设置下不发出工具调用）。方法。 WeaveAgent 是一个两阶段工具路由代理，它将路由与视觉感知解耦。 A 阶段是路由优先：工具调用行为通过训练习得，而非仅靠提示诱导。 B 阶段有条件执行：内在查询进入视觉回答（全场景缩略图；WeaveEarth 风格的证据板作为可选的固定预算，大约 5k token压缩接口）；外部查询对原始全分辨率图像执行工具调用，并在第二轮观察屏蔽轮中根据工具观察结果进行回答。训练：对齐 SFT，然后在奖励 R_WA2 下对齐 GRPO。结果。对齐 SFT 将外部路由从 0% 提升至 80.75% (323/400)； GRPO 抑制了 9 种内在查询中的错误工具调用，同时工具选择不变。经过训练的 2B 系统总体上没有击败零样本 8B 基线（0.263 与 0.250），这是一种诊断贡献。 Oracle 归因将两个修复成分分开：将观察加载到上下文中，在无标记交叉模式返回下将外部答案准确性从 0.025 提升到 0.425，两轮 SFT 阶段以较小的路由成本进一步增加了 +9.3 点至 0.518。 +/- 图像消融显示工具调用抑制在视觉上是有基础的，查询语体矩阵显示 LLM 重写的查询训练检查点的成本为 2-11 点。范围。所有训练和评估均使用 5,000 / 3,273 / 1,000 条记录的 VagueUHR 语料库（600 个内在 + 400 个工具需求；基础种子合成，不用于优化）。单通道证据构建在 RTX 4090 上每张图像的运行时间为 7.31 秒。代码、数据和评估协议将被发布。