NASA-IBM 月球基础模型，换个光照角度还认得出来吗？

2026 年 9 月，NASA 与 IBM Research 联合发布了面向月球遥感的开源基础模型（Lunar Foundation Model，LFM），配套的数据集 SomBench 里装着约 196 万个共配准 tile bundle、11 种模态和 1 米到 100 米两档尺度。这类新闻很容易被读成「又多了一个更大的模型」，但如果只盯着模型规模和收益数字，就错过了这篇工作真正值得琢磨的地方。

本专题想论证的一件事是：LFM 的贡献不在把模型做大，而在把「光如何打到传感器」这件事显式写进模型。沿着这个问题往下走，我们会看到它哪里做对了，哪里还拿不出证据，以及行星基础模型到底该拿什么标准来评。LFM

月球影像学到的，到底是地表还是光照规律？

像素不是地表，是光照、几何与仪器响应的复合品

如果只把它读成「又一个大模型新闻」，会错过这份发布真正值得追问的问题：LFM 是否把「观测过程」显式写进了模型，以及这件事目前被证明到了哪一步。要回答它，先得承认遥感反演的一条地基：把像素还原成地表属性叫反演，而反演的前提是先搞清楚观测过程。在地球遥感里，大气散射抹平了一部分光照差异，同一地物在不同时间的影像差异相对温和。月球没有大气也没有云，任何一次观测都直接由太阳的位置、相机的位置和地形的朝向共同决定。论文问题动机的原话是：月球表面的表观外观，更多地由采集几何与光照几何支配，而不是由地表固有差异支配。LFM

这句原话直接戳破一个常见直觉：海量月球影像加上大模型，自然就会学到通用地表表征。如果外观主要由光照决定，那么模型从像素里学到的「规律」，很可能只是阴影规律、太阳角度规律和采样方式规律，而不是月表本身的结构。「观测过程有没有写进模型」的分量就在这里：它决定模型记住的，究竟是光照，还是地表。

打个比方，给同一个人拍照：顺光、逆光、侧脸、背光，四张照片判若两人。人脸识别系统如果没见过这些光照变化，会把同一个人认成不同的人，把不同的人认成同一个人。你很难说它「没学会认人」，它只是把光照当成了身份的一部分。月表的像素面临同样的混淆，而且因为没有大气缓冲，这种混淆比地球上严重得多。

先讲透三个支配月球外观的几何量。入射角（incidence angle），太阳光线与表面法线的夹角，夹角越大光照越斜；相位角（phase angle），太阳、目标、观测者三方的夹角，决定我们看到哪个明暗阶段；坡向（aspect），地形面对的方向，决定同一时刻哪一面山坡被照亮、哪一面陷在阴影里。三者共同决定一个像素的明暗，而它们跟地表属性没有关系。另外还有一类常年不见阳光的区域，叫永久阴影区（PSR，permanently shadowed regions），那是极区冰研究的主角。

这不是新认识。前人已经把这套物理做过定量：Sato et al. (2014) 用 LROC WAC 的多光谱观测，把月球按 1°×1° 的网格逐格反演出 9 个 Hapke 光度参数，得到 70°S 到 70°N 的近全球参数图，再把每个像素归一化到统一的成像几何（入射角与相位角 60°、发射角 0°）下比较。传统上做任何跨光照、跨地点的月表比较，都得先过这一道光度校正。Sato 2014

像素的形成可以用下面这张图概括：

图注：像素是这条链的末端产物：太阳光经月表反射进入传感器，观测几何（入射角、相位角、坡向）决定同一块地表在影像里呈现的明暗。模型若只看见像素，就无法分辨「地表本来如此」与「光照造成如此」。

光照与尺度，在任务数据里就已经缠在一起

这样的混淆在任务数据里是真实的。以陨石坑检测为例：SomBench 的 WAC 区域陨石坑基准用 Robbins 全球陨石坑目录作为标签，目录含 203 万多个坑、超过 129 万个直径大于等于 1 公里，是直径 1 到 2 公里以上的近似完整普查。基准切成 1000 张 512×512 的 tile，共 11.4 万个标注框，按 800/100/100 划分训练、验证、测试。SomBench Robbins 2019 这里陨石坑标注框的直径中位数只有约 19 像素（SomBench 统计的√面积中位数为 16.5 像素），配合 60°–80° 的有利入射角，靠大尺度形态就能认出来。而到了 NAC 米级影像上，坑直径常常只有几个像素，SomBench 转而使用另一套人工标注（NAC Hand Labeled，35 个 1024 米见方的框）。连「陨石坑该有多大」都随尺度在变，任务标签本身就同时卷入了光照条件与尺度条件。

光照的影响更直接。论文给了一个最直观的例子：同一地理位置，一套数字地形模型（DTM）和采集元数据，代入两套成像几何条件，一套是中等入射角（moderate incidence），一套是掠射角（grazing incidence，太阳几乎贴着地平线）。

图注：同一地点在两种太阳入射角下的对照。上排中等入射角：模型从 DTM 与采集元数据生成的反射率与实际观测接近，差分直方图集中在零附近。下排掠射角：生成图没有逐像素还原观测，但阴影走向和光照梯度方向与元数据给出的太阳方向一致。这只是论文自承的 single-example 定性演示，不是系统评估，不能外推为「模型已学会完整光度建模」。LFM

这个例子能说明的程度需要精确限定：该单例显示输出会响应给定的几何条件，提示条件化可能有用；它尚不能证明跨光照识别已经实现，也不能证明没有显式输入模型就必然失败。论文自己把它标注为 single-example 的定性演示，不是系统评估。同一块地面换一个太阳角度还认不认得出来，要等更系统的跨光照评估来回答，这正是标题里那句「还认得出来吗」的赌注所在。

这一章的结论指向一个问题：像素是光、几何与地表结构的复合产物，不把观测过程写进模型，模型记住的就是光照规律和采样制度。那么，怎么把观测过程写进模型？这就是 LFM 架构要回答的。

怎么把「观测如何形成」写进模型？

架构一览：把观测拆成输入，而不是指望模型碰运气

LFM 的骨架继承自 TerraMind 的地球遥感母范式：双尺度输入加跨模态 masked-token 重建目标。TerraMind 是 IBM Research 联合 ESA 在 2025 年的工作（ICCV），用约 9 个模态、500B tokens 在地球影像上做生成式预训练；LFM 从零重训，没有用地球的 checkpoint 微调，然后加了两条月球特有的扩展。TerraMind

先看整张架构图，两条扩展都发生在里面。

图注：LFM 架构总览。左段列出全部输入模态：高低分辨率影像（WAC、NAC）、地形变量（DTM、坡度、坡向）、逐 tile 光学元数据与静态背景图。中左段是三条并行的模态级 token 化分支：图像走 patch embedding（pixel-level）或 VQ-VAE tokenizer（token-level），元数据与静态图走文本 tokenizer（sequence-level）。中右段是 TerraMind 式 masked-token 训练：编码器处理采样出的可见 token，解码器在 mask 上预测目标 token，用交叉熵监督。右段是下游接口：多模态生成、多模态微调，以及 FlexiViT 带来的跨 patch size 微调。LFM

第一条扩展：把光照几何直接做成输入 token

标准 ViT 只通过位置编码知道 patch 的空间排列，并不显式知道这次观测是几点钟的太阳、从哪个角度拍的。LFM 的修法很直接：每个 tile 都带一份观测量，编码成 token 塞给编码器。

这份观测量由两部分组成。一部分是 8 个光学元数据（optical metadata）：入射角、发射角、相位角、方位角、太阳子午坐标、tile 中心坐标、地面采样距离（GSD）。这些量在推理时和影像同时可得，所以不存在标签泄漏（label leakage）问题。另一部分是 28 个静态地图标量（static-map scalars）平均到 tile 覆盖范围，比如重力、粗糙度、热惯性、氢含量这类不随时间变化的物理量。两者合并成 36 个标量，打包成 sequence token，经文本 tokenizer 把每个值映射成「字段=区间」的字符串再编码成 token ID。坡向这类角度量会用 sin/cos 对编码，避免 359° 和 1° 在数值上相差 358° 的角度环绕问题。LFM ModelCard

这一手的关键在于：几何信息不再藏在像素统计里让模型自己猜，而是作为输入参与训练。对应第一章的结论，等于告诉模型「这次看到的是掠射光下的月表」，剩下的才是值得学的结构。

第二条扩展的数据前提：把十台仪器的物理量共配准到同一网格

几何 token 有了用武之地，还得有数据。这就是 SomBench 的角色：把 32 层原始仪器产品、10 台仪器、4 个任务（LRO、Kaguya/SELENE、GRAIL、Lunar Prospector）的数据共配准成一个个 tile bundle。注意 32 层是数据集口径，LFM 实际预训练从中选了 11 个模态的子集，两者不是一回事。

共配准靠两轨并行的 image-anchored tiling 流水线。低分辨率轨以 LROC WAC 可见光（100 米/像素）为锚，切出 963,609 个 512×512 的 tile，每片覆盖 51.2×51.2 公里；高分辨率轨以 LROC NAC（1 米/像素）为锚，切出 1,000,113 个 tile。两轨合计约 196 万个 tile bundle。第一遍在单张 EDR 画布上用自适应滑窗提取光学锚片与观测几何元数据，第二遍把其余模态按 tile 边界、按对齐后的分辨率贴上去。缺失值不插值，保留为 NaN。SomBench

数据切分也按地理整块进行：按 LTM 投影带（Lunar Transverse Mercator）与极地投影帽整体划分，跨越分带边界的 tile 直接丢弃，保证相邻地点的 tile 不会落在切分界两侧，形成泄漏安全的划分。低分辨率轨实际比例 78.3/12.0/9.7%，高分辨率轨 75.1/15.7/9.2%。跨尺度还有一个保证：同一个地面块在 WAC 和 NAC 两轨对应到同一个分带，两轨共享同一套划分。SomBench

两张图能直观说明共配准做了什么事。

图注：SomBench 的两轨 tile 提取流水线。第一遍从 WAC（低分辨率轨）与 NAC（高分辨率轨）的 EDR 影像画布上做自适应滑窗，提取光学锚片与观测几何元数据；第二遍从 LTM/LPS 的 VRT 叠加上按对齐的分辨率把 29 到 31 层模态贴到同一 tile 上，输出逐模态的 netCDF 文件。SomBench

第二张图回答「一个 tile 里 30 多层到底长什么样」。

图注：同一个低分辨率 tile 在全部模态下的并排展示。上排是非极地区域，下排是极地区域。极区多出永久阴影区（PSR）与反照率（ALBEDO）等模态，非极区则有 TiO2、岩石丰度等极区缺席的模态。模态可用性随纬度和任务本身发生变化，这是数据集的真实结构，不是人为对称的设计。SomBench

让一组权重跨两档尺度：FlexiViT

数据跨了 100 倍分辨率，模型怎么接？LFM 的选择是让同一组 ViT-B 权重同时覆盖两档尺度，依据是 FlexiViT 的机制：训练时随机采样 patch size，patch embedding 和位置编码在前向中在线 resize 到当前 patch 形状，Transformer 主体权重在所有 patch size 间共享。FlexiViT

看 FlexiViT 的概念图，核心手法一目了然：

图注：FlexiViT 概念示意：同一个标准 ViT 在训练中经历随机化的 patch size，patch embedding 权重按当前 patch size 在线 resize，其余模型权重在所有 patch size 间原样共享。LFM 用同一套路，让一份预训练权重在微调时支持新的 patch grid。FlexiViT

这样，一个 256×256 的 NAC tile 和一个 512×512 的 WAC tile 进的是同一个模型。混合分辨率联合训练在每个 global step 由不同 worker 各自采样 NAC 或 WAC 的 batch，梯度 all-reduce 到一次 backward，不存在按锚类型的独立优化流。LFM

这一章的结论指向一个问题：LFM 把观测过程拆成了显式输入（几何 token）与数据前提（共配准、双尺度）写进训练，模型不必碰运气同时学会光照规律与地表结构。但它也留下一个问题：这些设计各自出了多少力？整体领先里，预训练占多少，融合架构占多少？

它的领先，是预训练的功劳还是融合架构的功劳？

分账的方法：随机初始化同架构对照

基础模型新闻里最常见的毛病，是把所有收益都记在「预训练」账上。LFM 论文用了一个干净的手段来分账：除了预训练模型和 ImageNet 基线，再加一组随机初始化、架构完全相同的对照（random-init，同样的 ViT-B、同样的多模态融合，只是从随机权重开始训练）。既然架构相同，预训练模型和 random-init 的差距就是预训练表征的贡献；random-init 和 ImageNet 基线的差距，则是多模态融合结构本身的贡献。LFM

这套对照在四个基准上跑下来，结论分成两边，措辞必须精确。一处细节值得注意：预训练 LFM 用了 layer-wise LR decay 加 drop path，而随机初始化对照和所有 ImageNet 基线都用平面学习率，两套优化路径刻意不同，避免预训练的优势被算到架构头上。

四组数字先摆在一张表里（mean ± std，5 seeds）：

预训练的功劳：WAC 陨石坑的标签效率

看 WAC 区域陨石坑任务。预训练 LFM 只用一半训练标签（50% 数据），mAP 就到 0.2541，超过 SwinV2-B 用全部标签（100% 数据）的 0.2313，差距远超 seed 间的波动。论文原话是「预训练 LFM 用一半数据已经匹配或超过全量训练的 SwinV2-B」。而随机初始化同架构用 50% 数据只有 0.2197，打不过全量 SwinV2。LFM

所以这一格的领先，属于预训练月球表征，不属于架构，更不属于「模型更大」（LFM 只是 ViT-B，规模并不大）。标签来自 Robbins 2019 的全球目录：203 万多个坑，是人类手工在 WAC 全球拼图与激光测高上识别出来的，后来成为月球陨石坑机器学习的事实标准标签库。Robbins 2019

融合架构的功劳：极区冰任务

再看极区冰远景回归任务（per-pixel 回归，输出 0 到 1 的远景值，目标的性质下一章专门讲）。随机初始化同架构的 RMSE 0.0397，排进 7 个 ImageNet 基线里能赢过 5 个，输给 SwinV2-B（0.0377）和自己更优的预训练版。注意是 5/7，不是 6/7 也不是 7/7：ImageNet 视觉基础模型在冰任务上并非全无优势。预训练 LFM 全量微调后 RMSE 0.0293，预训练补上的是剩下那约 0.01 的差距。LFM

这一格的意义在于：一个从未见过月球的随机初始化 ViT，仅凭多模态融合结构和几何 token 输入，就能在拟合物理远景图上超过多数 ImageNet 基线。融合架构本身贡献了主要部分，不能把全部增益记在「基础模型」账上。

再看模态数消融：只用 3 个模态（坡向、坡度、DICE 冰稳定深度），LFM 的 RMSE 是 0.0434，约等于 ConvNeXt-B 用全 8 层栈的 0.0437。多模态融合的边际收益高度集中在少数关键物理量上，堆模态数量并不是收益的单调来源。ModelCard

官方定性对比图能直观看到这个结果。注意这张图的 label 列是知识驱动远景图，不是实测冰，这一点第四章会展开。

图注：极区冰远景预测的定性对比。三行从上到下依次是：全模态 ConvNeXt、全模态 LFM、只用坡向/坡度/DICE 三模态的 LFM，最后一行预测仍接近全栈结果，与 0.0434 vs 0.0437 的数字互为印证。LABEL 列是 Coyan et al. 2025 的知识驱动模糊叠加远景图，预测是在拟合这张图，图像锐利不等于物理上测到了冰。LFM

两个必须说清的边界

第一，NAC 米级陨石坑任务上，LFM 的 0.1543 与 SwinV2-B 的 0.1552 落在彼此的标准差之内。论文写得很明确：「这些模型表现相当，而不是有明显赢家。」「相当」本身有尺度原因：米级坑在标签库里中位直径只有约 6.5 个像素，任务难度把天花板压低了。LFM 只在 WAC 区域尺度与极区冰任务上领先，不能简化成「全面领先」。LFM

第二，官方发布稿的数字要当措辞看，不当论证用。IBM 博客说「冰远景误差率较 SwinV2 下降 22%」，对应论文里 0.0377 到 0.0293 的相对改善，对得上，但它只讲了冰任务一个点，讲不出分账结构。宣传口径与论文数字是否一致，是读基础模型新闻时值得养成的习惯。NASA/IBM 发布稿

这一章的结论指向一个问题：预训练与融合架构是两条独立的贡献线，分账之后才知道下一步该改哪里。但分账本身也暴露了缺口：这些对照是整体架构层面的，几何编码和混合分辨率的贡献还没被单独拆过。更麻烦的是，如果连冰任务的标签本身都值得怀疑，领先的数字又意味着什么？

冰预测赢了基线，但它拟合的「冰」是实测的吗？

回归目标是一张知识驱动远景图，不是实测冰

先把第三章那张图的 label 列讲清楚。LFM 极区冰任务的回归目标是 Coyan et al. 2025 发表在 PSJ 上的「冰远景图」（prospectivity map）。这张图只覆盖 VIPER 着陆点 Mons Mouton 附近约 15 平方公里，它的诞生过程是：把八层证据叠在一起，用模糊逻辑叠加成一张 0 到 1 的连续概率图。八层证据包括冰稳定深度（DICE）、表面最高温度（TMAX）、永久阴影区（PSR）、坡度、坡向、曲率、PSR 密度、到最近 PSR 的距离。Coyan 2025

叠加本身是知识驱动的：不同层用不同的模糊算子（Fuzzy Small、Fuzzy High、Fuzzy Linear、Fuzzy Gaussian）归一化，再用 Fuzzy Gamma 聚合（不同层取不同 γ，分别是 0.75、0.5、0.2），最后 Fuzzy OR 取最大值。关键在权重的性质，作者自己写明这些权重「合理但主观」（plausible but arbitrary）：因为对挥发物分布范围、形态和类型的了解有限，无法从数据里标定权重，只能靠专家知识赋值。Coyan 2025

整条标签链可以画成一张流程图：

图注：冰任务的标签链。八层输入全部来自轨道遥感，由专家用模糊逻辑叠加成远景图，LFM 学的是拟合这张图。极区至今没有任何地表实测（除 LCROSS 一个落点），链上没有任何一环是「实测冰」。

模型卡把这一点说得最直白：「回归目标是 Coyan et al. (2025) 的连续冰远景图，最初以八层输入的知识驱动模糊叠加计算而来。这对解读很重要：模型学的是复现一个物理上合理的专家模型，而不是实测冰。」一句话，the target is a model, not a measurement。ModelCard

所以两个结论要分开记。random-init 同架构赢了 5/7 基线，赢的是「拟合这张专家远景图」的能力：它证明融合结构和几何输入在复现专家物理推理上有用，但不证明月球冰真的分布在那里。VIPER 任务的最终冰信号，要等探测器就位后的钻探（TRIDENT，约 1 米深、约 10 厘米分辨率）和中子谱仪等实测手段才能给出硬证据。Coyan 2025

没有大地坐标参照：形状对，位置可能差几十度

如果模型的地理参照不可靠，它输出的每一张图都没法直接叠加到坐标系里使用。论文在链式生成的局限里明说：DTM 的模式能恢复，陨石坑轮廓和山脊出现在该出现的位置，但绝对高程整体偏移，生成的地形是「形状正确、数值错位」。静态地图库行为类似，元数据输出更离谱：生成的经纬度常常偏离几十度。论文的归因很坦诚：「这些失败正是一个只从像素级相关学到局部结构、而没有通往全球大地坐标参照系直接路径的模型会表现出的样子。」它强调模型是下游任务的表征工具，不是物理仪器或测地解的替代品。LFM ModelCard

打个比方：一个学生把老师给的参考答案背得滚瓜烂熟，考试时能在相似题目上得高分，但你让他独立报出实验里的真实测量值，他做不到。LFM 在冰任务上就是那个记住参考答案的学生，学得好不等于掌握实测。

独立消融还是空白

前面说的分账只发生在整体层面。论文结论部分明确承认：「要单独拆出几何 token 化与混合分辨率训练相对月球域预训练整体的贡献，受控消融仍需进行。」模型卡同样写着「消融尚未隔离」，并点明目前的 random-init 对照是唯一一处把架构与预训练拆开的地方。LFM ModelCard

换句话说，第三章的分账能回答「整体架构 vs 预训练」，回答不了「几何 token 单独值多少钱」和「双尺度训练单独值多少钱」。这笔账列清楚：

这一章的结论指向一个问题：冰任务领先、NAC 相当、坐标不可靠、独立消融缺失，每一笔都要回到「目标是什么、来源是什么」去核。既然数字和标签都有这么多保留，行星基础模型到底该拿什么标准来评？

行星基础模型，拿什么证明自己「会看见」？

评价准则：物理一致性，而不是单一榜单领先

如果第一章的问题（模型学到的是光照还是地表）是主线，那么评价准则就应该回到物理一致性上：跨光照、跨地点、跨仪器、跨尺度之后，模型是否还能保持对同一物理结构的稳定认识。先要把这条准则立成一项未来必须直接测试的评价协议：目前没有任何一项评估系统性地覆盖这四个维度，LFM 各自给出的只是单例条件化提示、数据覆盖和架构能力，四维一致性本身尚未得到验证。

逐维对照，证据的成色并不相同。跨光照，LFM 只有论文 Figure 5 那一个单例演示：同一地点在中等入射角和掠射角下，输出会随几何条件变化，说明条件化提示在这个例子里起了作用，但它没有回答「换一个太阳角度，模型还认得出同一块地表吗」。LFM 跨地点与跨仪器，SomBench 提供了 10 台仪器、32 层产品和覆盖到 ±82° 纬度的约 196 万个 tile bundle，这证明数据集具备检验这两维的原料，数据覆盖不等于一致性已经通过检验。SomBench 跨尺度，同一组权重覆盖 1 米与 100 米，这来自 FlexiViT 的架构能力，同样是能力而非验证结果。

这四个维度恰好对应第一章埋下的病根：光照混淆、采样制度、仪器响应、尺度差异。能跨过这四关还保持一致性，才算「会看见」；单一基准上某一个数字的提升，证明不了任何物理层面的泛化。也正因四维一致性至今没有一张评估表，它才更应该作为行星基础模型的必测协议被写进以后的论文和模型卡，而不是被当成已经取得的结论来引用。

用途边界：科研筛选器，不是着陆决策系统

评价准则之外还要划清用途。NASA 发布稿的措辞是「帮助科学家估算冰斑在表面与表层下可能保持稳定的位置」；IBM 博客除了「相对专门训练做冰远景的 SwinV2，误差率下降 22%」，还强调「帮助科学家发现模式、识别不确定性、决定下一步重点看哪里」（重点在科研辅助，而非任务决策）。两份稿子都在讲科研辅助与指标改善，没有任何「着陆选址」「任务决策」的字样。NASA/IBM 发布稿

NASA 那张发布图适合放在这里看。它不是「找到了冰」的证据，而是「模型复现了参考远景图的细尺度模式」的展示。

图注：NASA 发布稿中的冰远景对比。左侧是南北极区上下文，右侧三行分别是参考远景图（LABEL）、ConvNeXt 预测与 LFM 预测，色条 Prospectivity 从 0.0 到 1.0。这张图演示的是 LFM 保留参考资料里细尺度模式的能力；参考本身是知识驱动远景图，不是实测冰，不能读成「模型找到了水冰」。NASA/IBM 发布稿

这种克制不是宣传策略，而是工程师边界声明的同义转述。模型卡白纸黑字写着：「未经任务级操作性决策验证，例如着陆点认证或危险清除。」结合上一章的坐标问题，LFM 的用途可以明确分出三级：ModelCard

收口：先学会怎么看见，才有资格谈用途

回头看，LFM 的问题从来不是「模型够不够大」。它是 ViT-B，预训练只用了约 1100 GPU 小时，规模上谈不上大。ModelCard 它真正做对的事，是把「观测如何形成」显式建进架构：几何作为 token，仪器与物理量共配准，尺度共享权重。这套「显式建模采集上下文」在 NASA-IBM 系列里有一贯的家族性：地球版的 Prithvi-EO-2.0 早就用 temporal 与 location embeddings 把采集上下文注入 ViT，月球版只是把同一个哲学搬到了没有大气的星球上。Prithvi-EO-2.0

星球换了，问题性质没换：不同的光照、不同的仪器、悬殊的尺度，依然会污染表征。任何行星基础模型，评价它的第一问都应该是「换个光照角度，你还认得出来吗」。LFM 目前的答案是：现有证据只提示它能在一个单例中响应给定的光照条件，尚不能证明换光照之后仍认得同一块地表。它首先是科研筛选器，把「怎么看见」这件事做对，才谈得上未来更硬的用途。而在那一天到来之前，每一个 prospectivity 数字旁边都要标注清楚：这是模型对专家模型的拟合，不是月面的实测。

参考文献

本专题引用的核心资料如下，建议深入学习时阅读原文：

1. Multimodal-Multiresolution Foundation Model for Lunar Remote Sensing（LFM 主论文，arXiv:2609.13283）— https://arxiv.org/abs/2609.13283
2. SomBench: Benchmark Dataset for Advancing Machine Learning in Lunar Science（arXiv:2609.13277）— https://arxiv.org/abs/2609.13277
3. NASA-IBM Lunar Foundation Model — Hugging Face Model Card — https://huggingface.co/nasa-ibm-ai4science/NASA-IBM-Lunar-Foundation-Model
4. NASA, IBM Launch AI Foundation Model for Lunar Science（NASA Science 发布稿）与 A rough guide for going back to the Moon（IBM Research 博客）— https://science.nasa.gov/science-research/artificial-intelligence-lunar-foundation-model/
5. TerraMind: Large-Scale Generative Multimodality for Earth Observation（arXiv:2504.11171，ICCV 2025）— https://arxiv.org/abs/2504.11171
6. Prithvi-EO-2.0: A Versatile Multi-Temporal Foundation Model for Earth Observation Applications（arXiv:2412.02732）— https://arxiv.org/abs/2412.02732
7. Sato, Robinson, Hapke, Denevi & Boyd (2014). Resolved Hapke parameter maps of the Moon. JGR Planets 119(8):1775-1805 — https://doi.org/10.1002/2013je004580
8. Beyer et al. (2023). FlexiViT: One Model for All Patch Sizes（CVPR 2023，arXiv:2212.08013） — https://arxiv.org/abs/2212.08013
9. Coyan, Siegler, Martinez-Comacho, Beyer & Shirley (2025). Prospectivity Modeling of the NASA VIPER Landing Site at Mons Mouton near the Lunar South Pole. PSJ 6(5):105 — https://iopscience.iop.org/article/10.3847/PSJ/adbc6c
10. Robbins (2019). A New Global Database of Lunar Impact Craters >1–2 km. JGR Planets 124(4):871-892 — https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2018JE005592