Ai2 科学家：OlmoEarth 模型通过微调提升地球观测性能

非营利 AI 研究机构 Allen Institute for AI（Ai2）近日在其官方 X 平台账号上发布了一段研究员 Joseph Redmon（pjreddie）的观点视频，讨论其开源地球观测模型 OlmoEarth 的实际落地方式。Redmon 在视频中表示，「Embeddings 只能带你走到一定程度，如果想要更进一步的性能，我认为微调才是出路。」

OlmoEarth 是什么

OlmoEarth 是 Ai2 发布的开源地球观测（Earth observation）系列模型，面向遥感、地理空间数据分析等任务。该系列以开放权重的方式发布，合作伙伴可以在其基础上针对具体行业场景进行二次开发与适配。

合作伙伴的应用方向

根据 Ai2 的介绍，OlmoEarth 的合作方主要将模型用于以下方向：

• 农作物类型与分布测绘
• 野火风险评估与预测
• 其他地球观测相关的行业应用

微调 vs. Embedding 的取舍

Redmon 在分享中强调了微调（fine-tuning）在遥感场景中的必要性。他认为，仅使用预训练模型的 embedding 提取特征虽然方便，但难以满足地球观测任务对精度和细粒度的要求；通过微调可以让模型更贴合特定区域、传感器或任务目标，从而获得更优的下游表现。这也是 Ai2 在推广 OlmoEarth 时鼓励合作伙伴采用的核心定制思路。

整体而言，该内容属于 Ai2 对自家开源模型的常规宣传与社区推广，透露的技术细节有限，更多是一种方法论层面的倡导。