[预印本]Vision-language models know more about agriculture than they show and rubric-grounded verifications close the gap

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。

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。