原文标题: Artificial Intelligence Empowering Modern Agricultural Biological Breeding。作者: 徐启玉、郑波、钟上威（北京大学现代农业研究院、潍坊市科技创新促进中心、北京大学生命科学学院）。DOI: 10.12133/j.smartag.SA202602016。本文系统探究AI驱动植物育种范式变革的底层逻辑，梳理智慧育种的代际演变及其在表型解析、基因组预测和分子设计等关键环节的技术进展，并深入探讨育种大模型对育种全流程的重构作用，以期为中国种业科技实现自立自强提供理论参考。重点阐述AI在种质资源高效挖掘、高通量表型精准解析、全基因组选择模型预测及分子设计育种等关键环节的技术逻辑与实证案例，并针对跨学科数据壁垒、深度学习算法的可解释性不足、复杂变动环境下的模型泛化能力弱等核心挑战进行了深入分析。
原文标题: Artificial intelligence for food security or digital inequality? Quantifying the global trade-offs between agricultural productivity, social inclusion, sustainable livelihoods, and responsible land stewardship。作者: Moussa El Jarroudi (University of Liège, SPHERES Research Unit)。作者基于来自112个国家1276项研究的全球证据综合，挑战「技术成功自动带来粮食系统转型」的广泛假设，提出「人工智能粮食安全悖论理论(AIFSP Theory)」新概念框架，认为算法性能、生产力、运营效率的提升往往超过相应的粮食安全、生计韧性、社会公平和环境可持续性收益。结合系统综述方法与分层贝叶斯荟萃分析、网络荟萃分析、结构方程模型、可解释机器学习与至2050年的蒙特卡罗模拟，并开发「人工智能-粮食安全-公平-土地责任指数(AI-FSELR)」多维度框架。结果显示：虽然AI技术显著提升农业生产力(+24.8%)、资源利用效率(+18.9%)与农场收入(+13.8%)，但粮食安全(+8.6%)与社会公平(+5.4%)的收益较小。治理质量、数字可及性、推广服务、可负担性与农民培训成为比算法复杂性更重要的社会成果决定因素。未来情景表明，到2050年包容性和治理驱动的AI路径可使社会效益增加40%以上。
原文标题: AI-driven approaches in precision agriculture for strawberry production: A systematic literature review。作者: Effrosyni Bitakou、Svetlana Vujić et al.本文系统综述了人工智能在精准农业中应用于草莓生产的研究进展，覆盖机器学习、深度学习、计算机视觉与机器人等技术在草莓产量预测、果实品质分级、病虫害早期诊断、灌溉施肥精准调控、采收机器人等核心场景的应用。研究发现AI方法可显著提升草莓生产效率与资源利用率，但田间多站点外部验证仍不足，未来研究应进一步关注数据异质性、模型可解释性、田间部署成本与农户接受度。本文为草莓产业从传统经验种植向数据驱动智能生产转型提供路线图与未来研究方向。