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)

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。

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。