农机化研究 2026(11) 2026-09-10·9月10日 · 周四论文农业人工智能与决策模型阅读 0
露地白萝卜定植收获农机农艺垂直大模型调优方法研究(NRA-LoRA, Qwen3-4B LLM-Metric 84.32)
论文解读
75精选
速览
提出NRA-LoRA微调方法，构建农机农艺知识数据集，提升白萝卜定植收获垂直大模型性能。
方法
构建14524条农机农艺知识数据集，采用非均匀Rank分配的NRA-LoRA微调
发现
Qwen3-4B(NRA-LoRA)最优，LLM-Metric达84.32，BLEU-4/ROUGE
机会点
可探索非均匀Rank分配在更多作物农机农艺场景的泛化，及知识图谱增强的垂直大模型。
影响力15
信息增量22
专业深度18
信源权威14
时效性6
面向露地白萝卜定植收获的农机农艺垂直大模型微调研究，方法新颖、数据规模可观，属细分领域实质性技术进展，但应用面较窄，适合作为主题聚合素材而非头条精选。
原文摘要
山东农业大学机械与电子工程学院李扬、褚化星、李天华、赵维松、潘浩晨、王善平,山东省设施园艺智慧生产技术装备重点实验室,农业农村部南京农业机械化研究所,山东省果树研究所联合发表。针对通用大语言模型在露地白萝卜定植与收获场景中专业性不足、农机农艺协同能力弱等问题,提出融合农机农艺知识垂直大模型调优方法。构建包含农机、农艺、农机农艺关联和定植收获关联 4 类知识专用数据集,共 14524 条数据;提出非均匀 Rank 分配的 NRA-LoRA 微调方法。Qwen3-4B(NRA-LoRA)表现最优,LLM-Metric 达 84.32,BLEU-4/ROUGE-1/2/L 分别 30.95/52.68/23.84/41.96。
信源（1 个）