评估小型语言模型在代理化农业决策支持系统中的应用
人工智能
2025-12-17 v1
摘要
大型语言模型（LLM）有望通过支持决策、拓宽技术专长有限利益相关者的知识获取，为奶农提供支持。然而，巨大的计算需求将LLM几乎排除在云端服务之外，使基于LLM的决策支持工具在奶农场景中难以实用。为此，需开发能够在农场硬件上本地运行的轻量级替代方案。本文在农场实际计算约束下，对20个在 HuggingFace 上提供的开源小型语言模型（SLM）进行基准测试。基于我们的先前工作，我们开发了一个代理化AI系统，集成五个任务特定代理：文献检索、网页检索、SQL 数据库交互、NoSQL 数据库交互和图表生成（遵循预测模型）。评估分为两个阶段：第一阶段使用五个测试问题进行初步筛选，以识别能够遵循基本奶农相关指令并在计算受限环境中可靠运行的模型。通过该初步阶段的模型随后在第二阶段进行评估，采用30个问题（每个任务类别五个问题，另外一个类别涉及诚信与不端行为）。结果显示，Qwen-4B 在大多数任务类别中取得优异性能，尽管在通过 PySpark 进行 NoSQL 数据库交互时表现不稳定。鉴于本文是首个明确评估SLM作为奶农决策引擎的可行性，重点关注隐私与计算效率。虽然结果凸显了SLM辅助工具在实际部署方面的潜力，但挑战仍然存在，仍需对SLM在奶农特定问题上的表现进行微调。
引用
@article{arxiv.2512.14043,
title = {Evaluating Small Language Models for Agentic On-Farm Decision Support Systems},
author = {Enhong Liu and Haiyu Yang and Miel Hostens},
journal= {arXiv preprint arXiv:2512.14043},
year = {2025}
}