Earth-Bench

Earth-Bench是一个面向地球观测问答的基准测试集，用于评估智能体在复杂时空约束下的检索与推理能力，覆盖植被监测、灾害评估、气候变化等场景。

据论文报告，GPT-4o在Earth-Bench基准上的基线准确率为49.3%。

在Earth-Bench和DisasterM3-Reason两个基准测试上，搭载GPT-4o的OSGR将准确率从49.3%提升至63.7%。

在Earth-Bench和DisasterM3-Reason两个基准测试上，搭载GPT-4o的OSGR将执行步骤比率从2.9降低至2.5。