Исследователи представили архитектуру Pezego-HITL, предназначенную для поддержки принятия решений в сельском хозяйстве Ганы. Система использует LLM, работающие в рамках жестких агротехнических политик, и переводит оценку качества ответов в задачу адаптивного распределения вычислительных ресурсов. Это позволяет обеспечить безопасность рекомендаций по защите урожая для мелких фермерских хозяйств, минимизируя риски ошибок в критически важных процессах.
Разработка велась в течение двух лет и была сфокусирована на создании системы, где ИИ работает в связке с экспертным контролем (Human-in-the-Loop). В отличие от стандартных бенчмарков, ориентированных лишь на качество текста, данная модель учитывает специфические ограничения аграрной политики региона. Такой подход позволяет интегрировать ИИ в реальные производственные цепочки, где цена ошибки — потеря урожая и финансовая нестабильность фермеров.
Система решает проблему «галлюцинаций» в узкоспециализированных доменах через механизм принудительного соблюдения правил (policy-grounded). Это превращает LLM из генератора текста в инструмент поддержки принятия решений, который соотносит рекомендации с локальными климатическими данными и доступными агрохимическими протоколами. Проект демонстрирует переход от общих языковых моделей к специализированным агентным системам в развивающихся экономиках.
Ключевые факты
- Программа проектирования и оценки системы Pezego-HITL длилась два года.
- Основная задача модели — поддержка защиты урожая для мелких фермеров в Гане.
- Архитектура формализует оценку LLM как задачу адаптивного распределения вычислительных мощностей.
- Система внедряет механизм policy-grounded для обеспечения безопасности рекомендаций в условиях высокого риска.
- Исследование фокусируется на интеграции ИИ в аграрные процессы, требующие строгой экспертной верификации.