知识引导LLM智能体实现地球科学模型校准委托

2026年10月14日，arXiv Artificial Intelligence 刊出研究报道，Zhanliang Zhu 等作者提出通用校准框架 GCH，将地球科学模型的端到端校准委托给知识引导的 LLM 智能体。报道称，该框架由知识基础设施和验证约定约束智能体，使其定义参数域、观测映射与目标，并生成模型专属代码，从而实现从校准请求到评估结果的端到端委托。报道引用的论文原文表述为“Here we develop a general calibration harness (GCH) for end-to-end delegation from a calibration request to assessed results.”。截至该报道，事件仅涉及这一框架的提出与上述机制描述，尚无其他跟进报道，也未出现与早先报道在数字、时间或说法上的矛盾。该引文仅证明来源如此表述，不自动证明其说法准确。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。