用大型语言模型进行复杂相对局部描述的地理定位

地理参照文本文档通常依赖两种方法：基于地名辞典的方法为地名分配地理坐标，或使用语言建模方法将文本术语与地理位置关联。

然而，许多位置描述通过空间关系相对指定位置，使得仅依赖地名或地理指示词进行地理编码不够准确。这一问题在生物标本采集记录中尤为常见，在GPS普及之前的记录常以叙述性文字而非坐标描述位置。

准确的地理参照对生物多样性研究至关重要，但该过程仍依赖大量人工操作，因此对自动化地理参照解决方案的需求日益增长。

本文探讨了大型语言模型自动处理复杂地理位置描述的潜力，重点关注生物多样性收藏领域。我们首先确定了有效的提示模式，随后使用量化低秩自适应方法，基于多区域多语言的生物多样性数据集对大型语言模型进行微调。

在训练数据量固定的条件下，我们的方法优于现有基准模型，跨数据集平均达到65%的记录定位在10公里半径范围内。

最佳结果（纽约州数据集）显示85%记录定位在10公里内，67%在1公里内。所选大型语言模型对冗长复杂的描述表现出良好性能，凸显了其在处理精密地理位置描述方面的潜力。