arXiv cs.CL· Xuechen Li (University of Minnesota Twin Cities)·· 3 天前AI 评分18
AgriJev：基于多尺度适配模型的高效农业候选评分
AgriJev: Efficient Agricultural Candidate Scoring with Multi-Scale Adapted Models
AI 导读
研究团队推出 AgriJev，基于 Qwen3.5 适配的 0.8B、2B、4B、9B 系列模型，通过单次前向调用对农业文本、判断问题和候选定义返回评分与相对概率。
正文 · AI 翻译
作者：Xuechen Li（University of Minnesota Twin Cities）
摘要：农业系统需要针对异构实体类型、文本判断和知识问答选项做出决策。生成文本答案会在最终需要候选选择的决策中增加解码和抽取步骤。我们提出 AgriJev，这是一系列经过适配的 Qwen3.5 模型，规模分别为 0.8B、2B、4B 和 9B。一个共享接口以农业文本、判断问题和候选定义作为条件，在一次前向调用中返回分数和相对概率。我们基于现有农业资源准备了来源感知的训练记录和冻结评估集，保留原始分组和标注来源。对比对象包括原始 Qwen3.5 模型和匹配的农业 SFT 模型，二者均通过原生答案生成进行评估。在 17 个外部测试视图上，AgriJev-9B 达到 75.44% 的平均准确率，分别超过原始生成器和 SFT 生成器 5.89 和 3.79 个百分点。它在 13 个视图上优于原始生成器，并将与托管 Jev 1.13.0 的平均差距缩小至 1.13。在固定的 A100 工作负载上，其中位评分延迟约为同等规模答案生成的一半。任务相关的增益和失败刻画了在农业模型权重和推理契约之间进行实际选择的特点。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.19478 [cs.CL] |
| （或 arXiv:2610.19478v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19478 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xuechen Li [查看电子邮件]
[v1]
2026年10月14日星期三 02:56:17 UTC（191 KB）
来源：arXiv cs.CL · arxiv.org