Agri-CPJ: Framework senza addestramento per la diagnosi di parassiti agricoli utilizzando LLM come giudice

Il framework Agri-CPJ (Caption-Prompt-Judge) è stato introdotto per affrontare due problemi persistenti nella diagnosi delle malattie delle colture attraverso immagini di campo: la generazione di nomi di specie errati e un ragionamento poco chiaro. Questo approccio few-shot senza addestramento utilizza un modello visione-linguaggio sostanziale per creare una didascalia morfologica strutturata iniziale, che viene poi raffinata attraverso un controllo di qualità multidimensionale prima di affrontare qualsiasi query diagnostica. Genera due risposte potenziali da prospettive diverse, con un giudice LLM che determina l'opzione più robusta basata su criteri di dominio specifici. Studi di ablazione rivelano che il raffinamento della didascalia influisce significativamente sull'accuratezza, poiché ometterlo porta a un costante declino delle prestazioni in entrambi i modelli valutati. Su CDDMBench, la combinazione di GPT-5-Nano con didascalie generate da GPT-5-mini mostra risultati migliorati. La ricerca è disponibile su arXiv con identificatore 2604.23701.