论文
CamAgent：用于多物种相机陷阱工作流程的大语言模型Agent框架
CamAgent: An LLM-Agent Framework for Multi-Species Camera-Trap Workflows
摘要
相机陷阱为野生动物监测积累了大量的多维数据，但将原始媒体档案转化为有意义的生态见解仍然高度分散。当前的研究工作流程需要费力地将不同的分析工具和脚本拼接在一起，造成陡峭的编程障碍并使端到端时空分析变得复杂。为了克服这种碎片化问题，我们推出了 CamAgent，这是一个自主的大语言模型 (LLM) Agent框架，它将相机陷阱分析工作流程集成到统一的智能生态系统中。 CamAgent 解释自然语言生态意图，安排计算路由，并执行涵盖计算机视觉感知（例如 SpeciesNet）、CamtrapDP 兼容数据管理、检测校正占用模型、时间活动分析和物种共现网络的专用工具。该框架自动化多阶段分析管道，同时保持基本的数据质量控制和分析约定。因此，CamAgent 显着减少了自然资源保护者的手动编程开销，为相机陷阱生态建立了透明、可扩展且完全集成的范例。我们的项目可在 https://anonymous.4open.science/r/artifact72c6f4. 获取