一只AI遥感萌新-优快云博客

原创 ICLR 2026 | QuRL：用「逐题评分量规」，把 RLVR 落地到开放式问答

从实验结果来看，这套方案的收益非常显著。更重要的是，有了明确的量规引导，哪怕是中等尺寸的模型当裁判，打分的稳定性和人类偏好对齐度也很高。它的核心思路非常直白：既然人类打分本质上是靠心里隐含的评分细则，那不如直接把这些细则显式化，做成每道题专属的「评分量规（rubric）」，用它来给强化学习提供可验证的奖励信号，相当于把 RLVR 的思路拓展到了主观任务里。把人类的评估标准提炼成清晰、结构化的显式规则，同样能提供高质量的奖励信号，还兼具可解释性与可扩展性，给后续的开放式对齐工作提供了一个非常务实的新思路。

2026-08-27 19:04:43 317

原创 EmotionThinker(2026 ICLR Oral)—— 让 AI 听懂情绪，还能说清「为什么」

大家好，今天和大家分享一篇很有意思的语音 AI 领域新论文 —— 来自香港中文大学和微软联合提出的。我们平时接触的语音助手、AI 客服，其实大多都有「语音情感识别」的功能：它能判断你现在是开心、生气还是难过。但一直以来，这个能力都有个很致命的问题：它只会给你贴一个情绪标签，你永远不知道它是怎么得出这个结论的，就像一个黑盒子。甚至很多时候，它可能只是蒙对了答案，根本没抓住你语气里的细节。而这篇论文做的事，就是第一次把「深度推理」和「强化学习」带进了语音情感识别领域。

2026-08-25 15:52:54 365

原创 GeoReason：让遥感大模型不仅“答对”，还要“推得对”

思维链的存在，并不等于模型具备真实推理能力。它通过选项重排检查模型是否真正依据自己的推理作答，为遥感多模态模型的可靠推理提供了一种简单且具有针对性的训练方法。不过，这种方法主要适用于选择题，并且更关注“推理—答案一致性”，还不能完全保证推理过程与图像证据一致。视觉证据 → 推理过程 → 最终答案。

2026-07-21 17:48:41 347

原创 ThinkGeo：面向遥感任务的工具增强型 Agent 评测基准

ThinkGeo 是一篇非常适合作为遥感 Agent 入门参考的工作。它没有提出复杂的新模型结构，而是抓住了一个目前非常关键的问题：如何评估 LLM Agent 在真实遥感任务中的工具使用和多步空间推理能力？这篇论文最重要的启发是：遥感智能不只是“看懂图像”，而是要能围绕具体任务完成一整套可执行的分析流程。对于城市规划、灾害评估、环境监测、交通分析等真实应用来说，模型必须能把视觉感知、工具调用、空间计算和语言推理连接起来。

2026-07-13 13:03:20 404

原创 Fine-R1：用 CoT 与强化学习提升多模态大模型的细粒度视觉识别能力

Fine-R1 是一篇很标准的高质量 MLLM 后训练论文。它的问题定义清楚，方法与问题高度对应，实验设置也很好地服务于论文主张。这篇论文给我的主要启发是：在垂直领域或细粒度任务中，后训练不一定只是继续堆数据做 SFT。更重要的是先分析任务中的核心混淆结构，然后把这种结构写进训练目标里。对于 Fine-R1 来说，这个结构是 anchor-positive-negative 三元组；

2026-07-13 12:50:48 361

原创 Relation-R1 简读：让多模态大模型真正理解“关系”

在 SWiG 数据集上，Relation-R1 面向 grounded situation recognition，也就是更复杂的 N 元关系理解任务，在 Verb、Value、Grounded Value 等指标上都取得了较好的表现，尤其在 Grnd-all 指标上相比之前方法提升明显。对于 N 元关系，则先判断主要动作，再识别参与实体及其语义角色，最后定位这些实体。它的启发在于，多模态大模型要想进一步提升，不只是要“看见更多物体”，还要能理解物体之间的空间关系、功能关系和事件角色。

2026-05-26 21:26:46 362

原创遥感 VLM 还能靠 Prompt 提升？一篇面向遥感VLM 的 Prompt Optimization 论文快报

整体来看，这是一篇比较轻量但有参考价值的论文。它证明了 prompt optimization 在遥感 VLM 中确实有作用，尤其适合用于图像描述、区域理解和复杂场景分析任务。如果大家也正在做遥感多模态大模型，尤其是数据构造、指令设计或者 SFT 样本设计，这篇论文值得快速阅读。它不一定能提供很强的模型创新启发，但能帮助我们更好地理解：遥感大模型训练中，prompt 和 instruction 的设计本身也是一种重要的数据工程。

2026-05-26 20:58:04 395

原创 1 万影像撑起 76 万高质量问答！全新遥感视觉语言框架落地城市规划

与此同时，现有遥感视觉问答数据集普遍任务简单、标注粗糙、缺少专业规划视角，通用大模型又适配不了遥感影像不规则地物、复杂空间场景的特性，导致遥感AI始终停留在“感知层面”，很难落地到真实的城市治理场景。，先通过语义分割网络提取精细化像素级地物特征，为后续视觉语言推理提供精准的视觉先验，完美避开了传统全局特征、目标框特征丢失细节、引入背景噪声的缺陷。值得重点强调的是，EarthVL绝非单纯“堆数据”的工作，在模型架构和训练策略上，有着大量适配遥感场景的原创性优化，解决了通用大模型适配遥感任务的诸多顽疾。

2026-05-08 11:37:08 327

原创 VLM 知识引导多源融合：面向全球城市的土地利用制图范式

最核心的突破是，仅用中国数据训练的模型，可直接零样本迁移至六大洲八个典型城市，精度普遍提升10%以上，彻底解决了跨区域泛化难题。它跳出了大模型微调内卷的思路，构建了视觉、社会、语义三级融合架构，通用性强、模块化程度高、代码开源，非常适合新手复现和二次创新，整体研究逻辑完整严谨。，本文聚焦城市土地利用智能制图任务，提出了VLM-LU多源融合框架，核心亮点是利用视觉语言大模型做语义知识引导，解决了传统模型跨城市泛化能力弱的关键痛点，论文已开源代码，非常适合遥感初学者学习参考。同时仅靠视觉和社会统计特征，

2026-05-07 21:24:23 168

pottttt7的博客

原创 ICLR 2026 | QuRL：用「逐题评分量规」，把 RLVR 落地到开放式问答

原创 EmotionThinker(2026 ICLR Oral)—— 让 AI 听懂情绪，还能说清「为什么」

原创 GeoReason：让遥感大模型不仅“答对”，还要“推得对”

原创 ThinkGeo：面向遥感任务的工具增强型 Agent 评测基准

原创 Fine-R1：用 CoT 与强化学习提升多模态大模型的细粒度视觉识别能力

原创 Relation-R1 简读：让多模态大模型真正理解“关系”

原创遥感 VLM 还能靠 Prompt 提升？一篇面向遥感VLM 的 Prompt Optimization 论文快报

原创 1 万影像撑起 76 万高质量问答！全新遥感视觉语言框架落地城市规划

原创 VLM 知识引导多源融合：面向全球城市的土地利用制图范式

原创蚂蚁+武大ICCV 2025 | SkySense V2：统一多模态遥感基础模型

原创最新综述 | 遥感中的基础模型：从单模态到多模态的演进

原创 NeurIPS 2025 | 人大: MokA——打破多模态微调僵局，实现参数高效的跨模态深度对齐的新范式

原创最新论文 | 中科大: 遥感大模型的“破壁人”：RS-RAG 如何让卫星影像学会“查资料”？

空空如也

空空如也