OSGR
一种面向地球观测问答的双阶段图推理框架，通过离线符号概念推导缩小搜索空间，再通过在线关系条件锚定实例化观测项，以缓解LLM智能体在复杂时空约束下的锚定失败与搜索空间爆炸问题
时间轴 (近 90 天)
OSGR（Observation-Support Graph Reasoning）框架通过离线符号概念推导与在线关系条件锚定的两阶段分解，解决地球观测问答中的检索与推导难题。
OSGR在离线阶段构建观测支持图（Observation-Support Graph），该图编码概念之间的支持关系而非存储具体观测项，用于在概念层面推导从目标到结果的有效支持路径。
OSGR在线阶段采用关系条件锚定（Relation-Conditioned Grounding）机制，结合时空兼容核评估候选观测项与查询约束的匹配程度，将抽象概念路径实例化为具体观测项集合。
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。
OSGR的验证目前主要集中在学术基准上，其在真实业务场景（如灾害应急响应、农业监测）中的泛化能力仍有待检验。
OSGR离线图的构建依赖概念层面的知识工程，如何自动化地扩展支持图以覆盖更广泛的地理查询类型是未来值得关注的方向。
全部知识事实 (7)
OSGR（Observation-Support Graph Reasoning）框架通过离线符号概念推导与在线关系条件锚定的两阶段分解，解决地球观测问答中的检索与推导难题。
50%待验证OSGR在离线阶段构建观测支持图（Observation-Support Graph），该图编码概念之间的支持关系而非存储具体观测项，用于在概念层面推导从目标到结果的有效支持路径。
50%待验证OSGR在线阶段采用关系条件锚定（Relation-Conditioned Grounding）机制，结合时空兼容核评估候选观测项与查询约束的匹配程度，将抽象概念路径实例化为具体观测项集合。
50%待验证在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%。
50%待验证在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。
50%待验证OSGR的验证目前主要集中在学术基准上，其在真实业务场景（如灾害应急响应、农业监测）中的泛化能力仍有待检验。
50%待验证OSGR离线图的构建依赖概念层面的知识工程，如何自动化地扩展支持图以覆盖更广泛的地理查询类型是未来值得关注的方向。
50%