Zenodo (CERN European Organization for Nuclear Research)·10月16日 · 周五论文农业人工智能与决策模型阅读 1
A Comprehensive Review on Multi-Modal Large Language Models and Agentic Architectures for Precision Agricultural Decision Support
Tanmay Bhamre · Yash Barde · Devendra Yeole 等 5 人
论文解读
63接近精选线
速览
综述多模态大模型与智能体架构在精准农业决策支持中的应用与不足。
方法
筛选2023-2026年45篇代表性研究，按四层分类与九项功能能力归类比较。
发现
感知研究占36%，处方仅7%、利润推荐4%、田块记忆仅1篇，系统难以交换状态。
机会点
可研究跨模态状态交换、纵向记忆评测协议与方言语音覆盖，填补处方与经济决策空白。
影响力12
信息增量18
专业深度16
信源权威8
时效性9
系统性综述揭示处方决策与农场经济维度严重缺位，对农业AI研发方向有参考价值，但属文献综述而非实证突破，影响范围有限。
原文摘要
本文综述了面向农业决策支持的多模态大语言模型与智能体架构的最新进展。按照可复现的既定流程，选取2023年至2026年间发表的45项代表性研究，涵盖感知、语言、编排、土壤智能与治理等方向，将其纳入一个四层分类体系，并依据九项功能能力进行分类。比较分析揭示出明显的不均衡：作物与病害感知在所选研究中占36%，而含剂量处方的研究仅占7%，利润感知推荐占4%，持久性田块记忆仅见于一项研究。因此，该领域的咨询工具仍无法交换状态：基于图像的扫描器很少以实测土壤化学状况为条件，作物推荐模型在优化农艺适宜性时也未考虑农场经济性。在此基础上，本文综合所综述文献提出一个概念性参考架构。该架构是文献衍生的综合框架，而非已实现的系统；校准弃权、纵向记忆的评估协议以及方言语音覆盖被列为最紧迫的空白。