EO-Agents：三智能体大模型管道为地球观测生成科学假设

近期，大语言模型在科学假设生成领域展现出潜力，但多数研究依赖非结构化文献和自由文本。一项发表于arXiv的研究提出创新解决方案——EO-Agents管道系统，将假设生成直接锚定在NASA地球观测知识图谱中。该系统采用异构图神经网络分析历史数据集共现关系，通过三智能体协作流程完成候选数据对筛选、假设生成与评估。实验覆盖1475个NASA数据集，成功产出160个跨地球科学领域的假设，涉及生态水文学、冰川学、气溶胶-云相互作用、植被物候学和平流层化学等多个方向。评估显示，模型预测的新数据集组合与文献中真实共现组合的科学合理性相当，表明管道能发现科学上连贯但尚未探索的数据关联。值得注意的是，研究通过GPT-5.2和Claude Sonnet 4.6的2×2×2因子实验发现：假设排序结果保持稳定，但绝对评分高度依赖评估模型本身，这揭示了单一大模型评估的局限性，为未来科学发现自动化系统的设计提供了重要参考。