OSGR 两阶段框架提升地球观测问答准确率

针对地球观测档案的地理查询需在严格时空约束下同时完成检索与推导，现有 LLM 智能体难以把观测条目落到具体数据上，或遭遇搜索空间爆炸。论文提出 OSGR 两阶段框架，把搜索拆成离线的符号概念推演与在线的 Relation-Conditioned Grounding：离线阶段用 Observation-Support Graph 在概念层面推导出目标到结果的有效支撑路径，在线阶段用时空兼容核实例化出有依据的观测条目集合。在 Earth-Bench 与 DisasterM3-Reason 上，OSGR 把 GPT-4o 的准确率从 49.3% 提升到 63.7%，执行步数比从 2.9 降到 2.5。