NASA развернула публичную систему агентного поиска, предназначенную для помощи геонаучному сообществу в поиске релевантных наборов данных и инструментов с помощью запросов на естественном языке. Этот сервис использует граф знаний NASA Earth Observation Knowledge Graph (NASA EO-KG) для решения проблемы поиска ресурсов среди тысяч геонаучных активов.

  • Система представляет NASA-EO-Bench, открытый бенчмарк, содержащий 47k пар «запрос-набор данных», включая 21k запросов, основанных на задачах.
  • Нейронный скорер, дообученный на этом бенчмарке, превосходит базовые методы cosine и BM25.
  • Комбинирование нейронного скорера с BM25 через слияние оценок увеличивает Recall@10 (R@10) и MRR более чем в 5 раз.
  • Добавление этапа агентного реранкинга zero-shot улучшает MRR на 28% на стратифицированной подвыборке из 200 запросов без дополнительного обучения.

Авторы демонстрируют, что ценность латентного графа знаний существенно усиливается через агентный поиск, показывая, что рассуждения LLM дополняют методы обученного поиска.