El artículo presenta AgriTune-R, un marco reproducible y auditable diseñado para adaptar modelos de lenguaje grandes de propósito general a aplicaciones agrícolas específicas. Este enfoque aborda la naturaleza específica del dominio y crítica en seguridad de la agricultura integrando gobernanza de datos, evaluación de expertos y restricciones de evidencia para prevenir consejos no confiables.
- El marco utiliza Qwen3-8B como modelo base recomendado y emplea ajuste fino eficiente en parámetros LoRA/QLoRA junto con generación aumentada por recuperación.
- Establece un protocolo de evaluación que cubre QA de conocimiento agrícola, consulta de plagas, gestión de cultivos y explicación de políticas.
- Se proporciona una rúbrica de revisión por expertos que evalúa la factualidad, seguridad, consistencia de la evidencia y expresión de incertidumbre.
- El trabajo separa claramente el diseño del protocolo de las conclusiones empíricas para proporcionar una línea base ejecutable para estudios futuros.
Este marco proporciona un flujo de trabajo estructurado y una clara separación entre el diseño y los resultados, ofreciendo una línea base verificable para desarrollar asistentes de IA agrícola seguros y precisos.