LLM 智能体与作物模拟器闭环生成当季个性化农事建议。
资讯摘要
论文提出 Agri-SCHOLAR，一个面向农作物的当季滚动建议框架：每隔数天或每周，依据土壤与作物属性、已观测天气、短期预报及基于历史相似年份的季节外推，生成个性化建议。系统将多个 LLM 智能体与 APSIM 等作物模拟器闭环耦合，由模拟器充当评估基准，LLM 智能体给出可操作参数的合理边界，优化器在边界内按产量、资源利用与经济可行性多目标搜索。作者报告在南亚两地对玉米进行 11 年分析，效果优于当地标准实践方案。
要点速读
- 框架以 LLM 智能体提出农艺可行的参数边界，优化器在边界内进行多目标搜索。
- 作物模拟器在闭环中充当评估基准，用于检验建议效果。
- 作者报告在南亚两地玉米的 11 年分析中持续优于区域标准实践方案。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。