RSICCLLM：面向遙感圖像變化描述的視覺語言大模型新範式

本文針對遙感圖像變化描述（RSICC）任務中現有方法受限於傳統深度學習架構及模型容量不足的問題，提出了首個基於大視覺語言模型的後訓練框架RSICCLLM。儘管大模型在通用領域表現優異，但直接遷移到遙感場景面臨數據匱乏和細粒度變化理解兩大挑戰。為此，作者設計了數據生成範式並發布了指令數據集RSICI，同時構建了專用評估基準。技術上，引入差異感知監督微調以顯式提取變化表徵，並提出雙負偏好優化（DNPO）策略，通過兩種互補的負樣本建構方式完善偏好數據集RSICP。實驗表明，僅7B參數的RSICCLLM在性能上超越了規模大得多的對比模型，驗證了該方法的高效性與優越性，程式碼與數據將開源。