近日，我院联合上海交通大学研发的“基于多模型诘问的群体共识大模型幻觉降低方法”专利正式落地草莓植物工厂建模应用，这一从申请到授权仅耗时两个半月的技术突破，为智慧农业精准化种植注入强劲动能，解决了传统AI模型在草莓种植场景中易生成虚假信息的行业痛点。

作为设施农业的高端形态，草莓植物工厂对环境调控、水肥管理、病虫害防治等环节的精准度要求较高。此前，传统AI模型在指导草莓种植时，常出现“幻觉”问题——比如误判适宜生长温度、错误推荐施肥配比等与实际种植事实不符的建议，给种植者造成经济损失。此项专利技术，恰好攻克了这一核心难题。该专利技术创新性地构建了跨领域多模型群体体系，通过三重核心机制实现幻觉降低。首先，通过语义质量、事实准确性、逻辑连贯性三维评分，从候选模型集中筛选优质模型，再经全组合双向知识蒸馏与多领域知识库微调，打造出适配农业场景的“专家模型群”；面对草莓种植中的实际问题，模型群并行推理生成初始答案后，通过构建诘问集、动态生成诘问指令实现迭代优化；最终采用融合高斯核与余弦核的混合核函数计算群体回答相似度，结合领域自适应阈值调整，确保输出结果的准确性与稳定性。

在草莓植物工厂的实际应用中，该技术展现出强大优势。针对草莓育苗期光照调控、生长期水肥配比、结果期病虫害绿色防治等关键场景，模型群能快速整合土壤数据、环境传感器信息与农业知识库，生成无幻觉的精准指导方案。

“这一技术的突破不仅在于快速授权，更在于其直击智慧农业建模过程中的核心痛点。”专利主要发明人林果所方献平副研究员介绍，专利从申请到授权仅用两个半月，创下农业AI领域专利授权速度新高，背后是技术的高度创新性与应用紧迫性。该方法突破了单一模型的认知局限，通过多模型协同优化与知识共享，让AI在草莓种植等精细农业场景中更可靠、更实用。