NASA-IBM 开源月球基础模型：基于多模态月球数据集的地理空间 AI

USRA 参与 NASA 与 IBM Research 联合发布的 NASA-IBM Lunar Foundation Model，这是一个开源 AI 模型，用于分析月球任务采集的大规模多模态数据。模型从零预训练于 SomBench 数据集，该数据集包含近 200 万个共配准数据包，覆盖 11 种模态和两个空间尺度，融合影像、地形、光照几何、热物理性质、矿物学、雷达、重力等数据。USRA 科学家 Rachel Slank 作为行星科学专家参与模型开发与评估。模型在陨石坑检测（区域与米级尺度）、不规则月海斑块分割和月球极地冰前景回归三项基准上评估，结果匹配或优于基于 ImageNet 预训练的对比模型及无月球预训练的相同架构模型，并在陨石坑检测中展现出较强的标签效率。

AI推荐理由 USRA 官方新闻稿，信息密度高：NASA-IBM Lunar Foundation Model 为开源地理空间 AI 模型，从零预训练于 SomBench 多模态月球数据集（近 200 万个共配准数据包、11 种模态、两个空间尺度），并在陨石坑检测、不规则月海斑块分割、极地冰前景回归三项下游基准上评估，结果匹配或优于 ImageNet 预训练模型及无月球预训练的相同架构模型，且在陨石坑检测中表现出较强标签效率。局限：正文为官方项目介绍，未给出具体数值指标、模型规模或代码/权重发布细节，'匹配或优于'为定性表述。