arXiv Computer Vision· Isaac Corley, Nils Lehmann, Caleb Robinson, Gabriel Tseng, Anthony Fuller, Hamed Alemohammad, Evan Shelhamer, Jennifer Marcus, Hannah Kerner·· 13 小时前AI 评分40
没人知道地理空间基础模型（GFM）的当前最优水平
No One Knows the State of the Art in Geospatial Foundation Models
AI 导读
一项对 152 篇地理空间基础模型（GFM）论文的审计发现，同一模型、基准与协议组内存在 47 处至少 5 个百分点的跨论文分歧，其中 18 处差距达 10 个百分点以上。
推荐理由模型分析
对152篇地理空间基础模型论文的审计发现：同一模型、基准和协议组内存在47处至少5个百分点的跨论文分歧（18处达10个百分点以上），126篇使用预训练数据的论文中94篇配置独一无二，39%未发布权重。作者据此提出权重许可发布、共享核心评测、基线标注、方差报告等六项具体规范。适合GFM研究者和遥感应用团队据此判断现有对比结论的可信度，并在选型或复现时先核对权重与评测协议。
来源：arXiv Computer Vision · arxiv.org