原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2024年3月第6卷第2期智慧农业（中英文）SmartAgricultureMar.2024Vol.6,No.2
农业大模型：关键技术、应用分析与发展方向
1，2，31，41，2，3*1，2，31，2，31，2，3
郭旺，杨雨森，吴华瑞，朱华吉，缪祎晟，顾静秋
（1.国家农业信息化工程技术研究中心，北京100097，中国；2.北京市农林科学院信息技术研究中心，北京100097，中国；
3.农业农村部数字乡村技术重点实验室，北京100097，中国；4.新加坡国立大学设计与工程学院，新加坡117583，新加坡）
摘要：［目的/意义］近年来，人工智能在农业领域的应用取得了显著进展，但仍面临诸如模型数据收集标记困
难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术，已在多个行业的垂直领域中展现
出了良好性能，尤其在复杂关联表示、模型泛化、多模态信息处理等方面较传统机器学习方法有着较大优势。［进
展］本文首先阐述了大模型的基本概念和核心技术方法，展示了在参数规模扩大与自监督训练下，模型通用能力
与下游适应能力的显著提升。随后，分析了大模型在农业领域应用的主要场景；按照语言大模型、视觉大模型和
多模态大模型三大类，在阐述模型发展的同时重点介绍在农业领域的应用现状，展示了大模型在农业上取得的研
究进展。［结论/展望］对农业大模型数据集少而分散、模型部署难度大、农业应用场景复杂等困难提出见解，展
望了农业大模型未来的发展重点方向。预计大模型将在未来提供全面综合的农业决策系统，并为公众提供专业优
质的农业服务。
关键词：生成式人工智能；大模型；农业知识服务；机器学习；自主决策；多模态；深度学习
中图分类号：TP18；S126文献标志码：A文章编号：SA202403015
引用格式：郭旺,杨雨森,吴华瑞,朱华吉,缪祎晟,顾静秋.农业大模型:关键技术、应用分析与发展方向[J].智慧农业
(中英文),2024,6(2):1-13.DOI：10.12133/j.smartag.SA202403015
GUOWang,YANGYusen,WUHuarui,ZHUHuaji,MIAOYisheng,GUJingqiu.BigModelsinAgriculture:KeyTech‐
nologies,ApplicationandFutureDirections[J].SmartAgriculture,2024,6(2):1-13.DOI：10.12133/j.smartag.
SA202403015(inChinesewithEnglishabstract)
0引言大模型一般使用自监督（Self-supervised）的方式
［1］进行大规模的训练，然后将模型应用于不同的下游
大模型（BigModels），或称基础模型
［2］任务。自监督的学习方式摆脱了对大量人工标记的
（FoundationModels），指经过在大规模数据上训
依赖。通过扩展模型的规模与训练量，模型的任务
练，具有庞大参数量的深度神经网络模型。这些模
型通常基于Transformer［3］架构，通过自监督的方范围与性能均能有显著提高，同时微调（Fine-tun‐
法从大量数据中进行学习，不仅拥有卓越的通用能ing）也可以在特定任务上利用少量数据快速提升
力，也可以适应不同的下游任务。通过扩展，模型
文档评论（0）