AgroTools：农业中工具增强多模式代理的基准

农业决策越来越需要多模式系统，将视觉观察转化为可靠、可执行的行动。然而，现有的农业多模式基准主要评估最终答案的正确性，并为评估模型是否可以使用外部工具完成精度敏感的工作流程提供有限的支持。在本文中，我们介绍了 AgroTools，这是评估农业中工具增强型多模式代理的基准。 AgroTools 包含 539 个问答实例，与 1,097 个异构农业图像配对，涵盖 5 个任务系列和 14 种农业工具的可执行环境。每个查询都用结构化工具使用跟踪进行注释，从而可以对流程级执行质量和结果级任务成功进行双视图评估。我们在 AgroTools 上对 9 个开源和 4 个闭源多模式 大语言模型 进行了基准测试。结果表明，当前模型在农业工具使用环境中仍然远不可靠，在工具规划、参数生成、执行恢复和最终答案综合方面存在明显的瓶颈。我们希望 AgroTools 能够支持未来针对高精度农业应用的多模式代理的研究。基准和评估可在 https://huggingface.co/datasets/AgroTools/AgroTools 上获取。