Are Large Language Models Geospatially Knowledgeable?
Are Large Language Models Geospatially Knowledgeable? | |
---|---|
Data | 2024 |
Autori | Prabin Bhandari, Antonios Anastasopoulos, D. Pfoser |
URL | https://www.semanticscholar.org/paper/137094dc64e1bad43f68333dc1f82d56168a3de7 |
Topic | Geospatial Knowledge of Large Language Models |
Citazioni | 18 |
Questo articolo esplora la comprensione dei dati geografici da parte dei modelli linguistici di grandi dimensioni (LLM) e la loro capacità di supportare il processo decisionale geospaziale. Valuta la conoscenza, la consapevolezza e le capacità di ragionamento geospaziale codificate in questi LLM pre-addestrati, concentrandosi sui modelli linguistici autoregressivi. Gli autori propongono approcci sperimentali per (i) sondare le coordinate geografiche degli LLM, (ii) utilizzare preposizioni geospaziali e non geospaziali per valutare la loro consapevolezza geospaziale e (iii) utilizzare un esperimento di scaling multidimensionale (MDS) per valutare le capacità di ragionamento geospaziale dei modelli e determinare la posizione delle città in base al prompting. I risultati indicano che non solo sono necessari LLM più grandi, ma anche più sofisticati, per sintetizzare la conoscenza geospaziale dalle informazioni testuali.