视觉语言模型对农业的掌握远超表象：基于量规验证弥合性能差距
英文标题：Vision-language models know more about agriculture than they show and rubric-grounded verifications close the gap
视觉语言模型（VLM）在农业分类任务中展现出广阔前景，但在病虫害、农产品品质及物种识别等零样本任务中的表面性能仍不够理想。研究探讨了这种性能局限究竟源于底层视觉特征提取薄弱，还是输出与决策验证机制的失效。实验表明，通过引入基于量规（rubric-grounded）的结构化验证方法，能够有效弥合模型内蕴知识与实际输出间的差距。这一发现为垂直领域 AI 应用开发提供了新思路，表明通过设计精准的评价准则即可大幅释放通用多模态模型在专业场景中的潜力。
打开原文相关 1.6 · 机会 0
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
论文编号：arXiv:2609.09417v1
发布类型：最新公布（new）
摘要
视觉语言模型（VLM）在农业分类任务中展现出了良好的应用前景，但在病害、虫害、损伤、品质以及物种识别等零样本（zero-shot）性能上依然表现较差。目前尚不清楚这一现象究竟反映了模型视觉特征提取能力的不足，还是属于推理输出层面的失败。研究表明，视觉语言模型对农业领域的实际了解程度远超其显性展现的水平，通过采用基于量规（rubric-grounded）的验证方法能够有效弥补这一差距。
BibTeX 格式引用
English / 原文
BibTeX formatted citation
×