论文
微调 农业应用通用大语言模型：基于Qwen3-8B的可重复框架和评估协议
Fine-Tuning General-Purpose Large Language Models for Agricultural Applications:A Reproducible Framework and Evaluation Protocol Based on Qwen3-8B
摘要
通用大语言模型（LLM）在开放域问答、信息提取和文本生成方面表现出了强大的能力。然而，农业应用具有特定领域、区域依赖性、时间敏感性和安全性。如果没有数据治理、专家评估和证据约束，农业助理可能会在农作物病害、农药使用、施肥或政策解释方面提供不可靠的建议。为了避免将未经验证的模拟数字作为真实的实验结果，本文不会报告任何未经实际训练和专家评估产生的模型性能声明。相反，我们提出 AgriTune-R，这是一个可重复且可审计的框架，用于使通用 LLM 适应农业任务。该框架选择可公开验证的Qwen3-8B模型作为推荐基础模型，集成了农业数据治理、指令构建、LoRA/QLoRA参数高效微调、检索增强生成、专家评估和高风险问题的安全控制。贡献是：（1）农业 LLM 适应的结构化工作流程； （二）农业知识质量保证、病虫害咨询、栽培管理、政策解释等评价方案； (3) 结合真实性、安全性、证据一致性和不确定性表达的专家评审标准； （4）方案设计和实证结论之间的明确分离，为未来的实证研究提供可执行的基线。