面向开放权重LLM的基于路网的空间上下文检索：地理推理忠实度基准

一篇论文提出基于步行路网的开放数据管线，用OpenStreetMap与GHS-POP人口栅格在可步行范围内计算指标，并将紧凑空间摘要注入prompt。团队据此构建忠实度基准，对模型每条陈述标注来源（来自摘要还是训练记忆）与正确性，并用摘要可反驳的植入错误前提做探测。实验覆盖Qwen、Gemma、Llama三族十六种开放权重配置、三个城市，每例重采样十个种子。结果显示，抵御植入前提的差异更多来自模型族与代际，而非规模。

以往地理评测关注模型知道什么，较少检验给定正确上下文后模型是否依据上下文推理。该基准把“引用摘要”与“参数记忆”区分开，并明确测量模型是否会坚持被摘要否定的错误前提，使地理问答的评估从知识覆盖转向上下文忠实度，同时全程使用开放数据与开放权重模型。

管线先用步行路网划定实际可达范围，替代圆形缓冲区；再从OpenStreetMap与GHS-POP取特征，在代码中计算指标，形成紧凑空间摘要注入prompt。基准对模型输出逐条归因：源于摘要还是训练知识，并判定对错；再植入摘要可反驳的假前提，观察模型是依据摘要纠错还是被参数记忆覆盖。十个种子重采样用于降低单次采样波动。

若产品在地图、位置问答或本地生活场景中直接喂入坐标或结构化空间摘要，需要把“模型是否遵循上下文”作为独立验收项，而非只看答案正确率。空间摘要的字段设计、可达范围口径和错误前提防御应进入回归测试；评测须按模型族与代际轮换，不能仅靠加大参数规模来换取忠实度。

• 在地图或本地生活类产品中加入“上下文忠实度”离线回归集：注入可被摘要否定的假前提，统计模型纠错率并按模型族、代际、思考模式分组。
• 提供基于步行路网的可达范围指标计算服务，输出标准化紧凑空间摘要，作为开放权重模型的prompt前置模块。
• 为地理问答结果增加来源标注：区分来自摘要的事实与来自训练记忆的陈述，供审核与用户提示使用。
• 针对同一空间摘要需求，横向对比Qwen、Gemma、Llama各代配置的忠实度与成本，形成选型对照表。

• 论文摘要未给出具体数值结果，各模型族与代际在抵御植入前提上的差距幅度尚不明确。
• “brief-reading competence”被描述为部分独立的维度，其定义、测量方式与与其他指标的关系未被证据说明。
• 三个对比城市的具体选择、数据覆盖差异及对结论外推性的限制尚未说明。
• 该方法在非步行场景（如驾车、骑行）或数据稀疏地区是否适用，证据中未涉及。