面向多轮农业问答的意图感知上下文检索
计算与语言
2025-08-07 v1 人工智能
摘要
印度农户常常缺乏及时、可访问且语言友好的农业建议，尤其是在低识字率的农村地区。为填补这一可及性差距，本文提出了一种新型AI驱动的农业聊天机器人Krishi Sathi，旨在通过文本和语音为印度农户提供个性化、易于理解的答案。系统智能性源于IFT模型，经后续在印度农业知识范围内进行微调，基于三个精选数据集进行优化。不同于传统聊天机器人仅响应单次提问，Krishi Sathi遵循结构化的多轮对话流程，逐步收集农户所需的细节，确保在生成响应前完全理解查询。一旦提取意图和上下文，系统执行检索增强生成（RAG），首先从精选的农业数据库中获取信息，然后使用IFT模型生成量身定制的响应。该聊天机器人支持英文和印地语两种语言，具备语音输入和输出功能（通过ASR和TTS实现），以便面向识字率低或数字技能有限的用户。本工作证明了结合意图驱动的对话流程、指令微调模型和检索生成方法，如何提高印度数字农业支持的质量和可及性。该方法取得了强劲的效果，系统在查询响应准确率达到97.53%，91.35%的上下文相关性和个性化，查询完成率达97.53%。平均响应时间不足6秒，确保了在中英文交互中为用户提供及时支持。
引用
@article{arxiv.2508.03719,
title = {Intent Aware Context Retrieval for Multi-Turn Agricultural Question Answering},
author = {Abhay Vijayvargia and Ajay Nagpal and Kundeshwar Pundalik and Atharva Savarkar and Smita Gautam and Pankaj Singh and Rohit Saluja and Ganesh Ramakrishnan},
journal= {arXiv preprint arXiv:2508.03719},
year = {2025}
}