THPL：循环水养殖投喂决策的视觉-语言框架

在循环水养殖系统（RAS）中，精准投喂对降低成本与改善鱼类福利至关重要，但现有方法缺乏鱼类行为与管理知识间的认知对齐，阻碍其转化为可执行、可解释的投喂决策。我们提出面向RAS虹鳟的生成式投喂决策框架THPL：Fishsort提取轨迹并建立量化摄食强度的活动系数（AC）；分层行为编码器（HBE）用Temporal与Set Transformer建模个体时间进程与群体动力学，把轨迹张量转为显式物理与隐式软token的双证据表示；最后把这些token与环境参数、元数据和专家规则一起经LoRA微调LLM，并以反事实多模态直接偏好优化（mDPO）强化因果推理。结果显示AC与专家标注摄食强度呈显著单调正相关（Spearman ρ=0.925，p<0.001）；消融表明决策准确率从纯文本基线的33.33%升至双证据token的93.33%，证明连续时空token为LLM提供了必要的物理接地；相比标准LoRA，反事实mDPO把决策准确率提至96.67%，METEOR从58.10%升至85.30%，Self-BLEU-2从58.79%降至52.88%，Distinct-3从6.68%升至7.81%，抑制模板化与执行偏置并强化因果一致性与操作安全。