AgentFAIR：多智能体协作框架，评估地理空间数据的FAIR合规性

地理空间数据在城市规划、气候建模等领域应用广泛，但其FAIR原则（可发现、可访问、可互操作、可重用）的合规性评估一直缺乏统一标准。现有评估工具采用不同评分标准和证据来源，对JavaScript渲染页面或特定存储库标识符的处理能力有限，导致评估结果差异显著。研究显示，在10个存储库的50个数据集中，不同工具给出的标准化分数标准差平均达15.0个百分点，最高甚至达到30.3。

为解决这一问题，研究团队提出了AgentFAIR——一个多智能体协作评估框架。该框架结合结构化元数据提取与13个针对FAIR子原则的大型语言模型评估器，每个评估器生成0-3分的成熟度评分、引用证据和改进建议，并由一个“批评者”智能体负责检查证据一致性和发起定向重评估。

实验结果显示，AgentFAIR评估的FAIR四项原则平均得分分别为：可发现性79.7%、可访问性70.4%、可互操作性45.3%、可重用性72.0%。与四种基线工具的排名相关性在0.31至0.61之间。在重复运行的10个数据集子集上，子原则评估一致性平均达到89%，而未使用批评者机制时仅为71%。初步的15个数据集专家研究显示，评估结果与专家共识的一致性达82%。

该框架每次评估的API成本约为0.054美元，在可审计性和可行性方面表现出优势，但研究团队也指出，当前基准测试规模有限、消融实验不完整以及仅使用单一模型家族验证等因素，限制了关于准确性和泛化能力的结论。