RSure-智能体：可靠地使用工具观测进行遥感智能体

遥感智能体依靠感知、测量和栅格分析工具来解决对地观测任务。我们将他们对地面物体的判断和定量结果称为工具观测。然而，这些观察结果存在很大的不确定性，即使工具成功执行，也可能是不正确的。当智能体接受不正确的观察结果时，错误可能会通过后续推理传播并导致任务失败。我们分析了三个遥感智能体基准测试的 1,229 个执行轨迹。在每个基准测试中，至少 88.1% 的任务依赖于工具观察。在这些任务中，尽管工具执行成功，但至少 22.7% 的任务包含错误的观察结果。在每个基准测试中，至少 82.0% 的受影响任务中这些错误会传播到最终答案。为了解决这个问题，我们提出了 RSure-智能体，一个用于验证工具观察结果和限制错误传播的框架。我们引入了一种可验证的观察协议，需要工具为智能体返回过程证据来验证其观察结果。我们还根据离线任务反馈构建了任务工具可靠性。前面总结了每种工具配置在不同任务类型中的过去性能，并为验证提供了特定于任务的参考。使用过程证据和此先验，RSure-智能体决定是否接受观察、请求额外证据或拒绝它。我们在 EarthBench、ThinkGeo、TerraLogic 和 CHOICE-420 上评估 RSure-智能体。在三个智能体基准测试中，相对于使用验证和先前禁用的基本配置，RSure-智能体将错误传播率降低了 21.3 至 25.9 个百分点。在 CHOICE-420 上，与直接回答相比，它在 11 个骨干模型模型中平均提高了 5.71 个百分点。在 EarthBench 上，相对于 Earth-智能体，工具调用率降低了 25.9%。