Agri-CPJ：使用 Caption-Prompt-Judge 和 LLM-as-a-Judge 进行农业害虫诊断的 无需训练 可解释框架

通过田间照片进行农作物病害诊断面临两个反复出现的问题：在基准上得分良好的模型经常会产生物种名称的幻觉，而当预测正确时，从业者通常无法理解其背后的推理。本文描述了 Agri-CPJ（Caption-Prompt-Judge），这是一个 无需训练 少样本框架，其中大型视觉语言模型首先生成结构化形态描述，通过多维质量门控迭代细化，然后再回答任何诊断问题。然后从互补的观点生成两个候选响应，LLM 法官根据特定领域的标准选择更强的响应。字幕细化是对个体影响最大的组件：消融证实，跳过它会持续降低两个测试模型的下游准确性。在 CDDMBench 上，将 GPT-5-Nano 与 GPT-5-mini 生成的字幕配对，在疾病分类中产生 \textbf{+22.7} pp，在无字幕基线上得到 \textbf{+19.5} 分。在 AgMMU-MCQ 上未经修改的情况下进行评估，GPT-5-Nano 达到 77.84\%，Qwen-VL-Chat 达到 64.54\%，尽管格式从开放式转变为多项选择，但它们仍处于或高于大多数同等规模的开源模型。结构化标题和判断理由共同构成了可读的审计跟踪：不同意诊断的从业者可以识别不正确的特定标题观察。代码和数据公开 https://github.com/CPJ-Agriculture/CPJ-Agriculture-Diagnosis