赋予法学硕士代理人地理空间意识：野火响应的扎根推理

arXiv:2510.12061v1 公告类型：新 【摘要】：有效应对灾害对于保障人民群众生命财产安全至关重要。现有的统计方法通常缺乏语义上下文，对事件的概括性较差，并且可解释性有限。虽然大型语言模型 (LLM) 提供了少量泛化，但它们仍然受文本限制且不受地理影响。为了弥补这一差距，我们引入了地理空间感知层（GAL），该层将 LLM 代理建立在结构化地球数据中。从原始野火检测开始，GAL 自动检索并集成来自外部地理数据库的基础设施、人口统计、地形和天气信息，将它们组装成简洁的、带有单元注释的感知脚本。这种丰富的背景使代理能够产生基于证据的资源分配建议（例如，人员分配、预算分配），并通过历史模拟和增量更新的每日变化信号进一步强化。我们在多个 LLM 模型的真实野火场景中评估了该框架，表明地理空间接地代理可以优于基线。拟议的框架可以推广到洪水和飓风等其他灾害。