arXiv · cs.AI· Geetha Charan·· 5 天前AI 评分20
Agri-SCHOLAR：基于 LLM 约束优化与作物模拟的农时滚动农事建议框架
Agri-SCHOLAR: Simulation-Grounded In-Season Rolling Advisories for Agricultural Crops Using LLM-Bounded Optimization
来源与原文
arXiv · cs.AI
作者：Geetha Charan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.31003v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出 Agri-SCHOLAR，一个面向农作物的滚动式农时建议框架，每隔几天或一周结合土壤作物属性、已观测天气、短期预报和历史相似年外推，生成个性化建议。系统用多个 LLM 智能体为可操作参数设定农艺合理的边界，优化器在边界内以产量、资源利用和经济可行性多目标奖励搜索，并以 APSIM 等作物模拟器作为评估 oracle。对南亚两个地点 11 年的玉米分析显示，Agri-SCHOLAR 持续优于当地标准种植方案。
来源：arXiv · cs.AI · arxiv.org