arXiv | 2026-09-08·9月8日 · 周二论文农业人工智能与决策模型阅读 0
[预印本]Vision-language models know more about agriculture than they show and rubric-grounded verifications close the gap
论文解读
77精选
速览
构建农业图像基准，发现视觉语言模型已编码农业特征，但输出未充分体现。
方法
116个数据集、8324张图像基准测试，用PPT验证器做结构化测试时推理。
发现
PPT评判F1近两倍于下限，Gemma 4病害F1达0.71，但置信度与正确性负相关。
机会点
可研究农业VLM置信度校准与不确定性量化，提升病害诊断可靠性。
影响力18
信息增量22
专业深度18
信源权威13
时效性6
预印本以116数据集、8324张图像的规模系统评测农业视觉语言模型，并提出PPT验证器显著提升病害识别F1，方法新颖、数据扎实，对农业AI落地有参考价值，但尚未经同行评审。
原文摘要
arXiv 2609.09417（2026-09-08）。基于116个数据集、834个类别、8324张图像基准测试，发现VLM视觉编码器已能编码与DINOv3基线相当可分离性的农业特征；通过Probabilistic Pivot Tournament（PPT）验证器结构化测试时推理，评判F1近两倍于下限，其中Gemma 4 E4B-it's病害F1达0.71，高于其自身上限0.60。但置信度分数与正确性负相关。
信源（1 个）