遥感领域正发展大规模视觉语言模型，但缺乏高质量图文数据集。相关进展包括：RSICap人工标注字幕数据集与RSIEval评测基准、GeoChat多任务对话模型、SkyScript百万级图文对，以及无文本注释训练方法，共同推动遥感多模态任务发展。