我们提出 GeoOutageBench，旨在评估基于大语言模型（LLM）的时空知识图谱问答（KGQA）在多模态停电与韧性分析中的表现。不同于传统的 Web 知识图谱问答基准，GeoOutageBench 使用一个时空 KG，融合了停电记录、遥感影像、天气观测、风暴与电力事件、地理实体以及领域本体等视觉、文本和结构化数据。基准定义了一个能力查询分类体系，覆盖四个难度层次：时空包含与邻近、时空共现分析、多模态证据推理以及假设性评估。针对多模态 KG 与查询类别，GeoOutageBench 提供三项可配置评估任务：（1）通过自然语言到 SPARQL 的转换，衡量 LLM 对模糊时空问题的理解能力；（2）基于查询的本体效用评估；（3）多模态 KGQA 检索答案的准确性。该基准为评估支持真实基础设施韧性分析的 LLM‑KG 系统提供了设计原则和实验基础。所有代码、数据、实验结果及文档均已开源，地址：https://github.com/UCF-SAGE/GeoOutageBench。
点评：GeoOutageBench 将时空、视觉与本体信息统一到同一 KG 中，为 LLM 在复杂基础设施场景下的推理能力提供了系统化的测评平台。