arXiv · cs.AI· Amirhossein Vahdat, Thierry Badard, Luc Lamontagne·· 5 小时前
GeoFitBench-LLM：评估大语言模型地理空间分析数据需求识别能力的基准
GeoFitBench-LLM: A Benchmark for Assessing Large Language Models' Capabilities in Geospatial Data Requirements Elicitation for Geo-Analytic Tasks
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Amirhossein Vahdat, Thierry Badard, Luc Lamontagne
期刊信息（来源提供）：Proceedings of the 1st International Conference on Geospatial Artificial Intelligence (GeoAI 2026)
研究任务与主要进展
作者提出 GeoFitBench-LLM，用于评估大语言模型能否从地理空间分析请求中推断所需的数据集、支撑资源和约束条件，涵盖时空关系推理与语义落地。基于论文摘要，在最小提示设置下测试7个模型，GPT-5.4 Thinking 取得最佳结果，完整恢复全部资源的比例为66.67%；但随着推理要求提高，准确描述资源是否适用仍更困难。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org