TL;DR
- چکیده:.
- اطمینان از فراگیری دیجیتال یک اولویت حیاتی در سیستمهای کشاورزی-غذایی است،.
- به ویژه در جنوب جهانی،.
چه اتفاقی افتاد
چکیده:. اطمینان از فراگیری دیجیتال یک اولویت حیاتی در سیستمهای کشاورزی-غذایی است،.
به ویژه در جنوب جهانی،. که در آن شکافهای دیجیتال همچنان ادامه دارد.
شاخص فراگیر دیجیتال چندبعدی (MDII) یک چارچوب جامع و تحت رهبری انسان برای ارزیابی میزان فراگیر بودن ابزارهای. کشاورزی دیجیتال (agritools) ارائه میدهد.
با این حال، فرآیند ارزیابی فعلی منابع فشرده است و اغلب ماهها برای تکمیل نیاز دارد. این مطالعه به بررسی این موضوع میپردازد که آیا مدلهای زبان بزرگ (LLM) میتوانند از ارزیابی سریع و.
مبتنی بر هوش مصنوعی از فراگیری دیجیتال پشتیبانی کنند و جریان کار موجود MDII را تکمیل کنند. با استفاده از یک تجزیه و تحلیل مقایسهای،.
این تحقیق عملکرد چهار LLM (Grok،. Gemini،.
GPT-4o،. و GPT-5) را در برابر ارزیابیهای قبلی توسط متخصصان معیار قرار میدهد.
این مطالعه به بررسی همسویی مدل با امتیازات انسانی، حساسیت به تنظیمات دما و منابع بالقوه سوگیری میپردازد. یافتهها نشان میدهد که LLMها میتوانند خروجیهای ارزیابی را ایجاد کنند که قضاوت.
متخصص را در برخی ابعاد تقریب میزند،. هرچند قابلیت اطمینان در مدلها و زمینهها متفاوت است.
این کار اکتشافی شواهد اولیهای را برای ادغام GenAI در نظارت بر توسعه دیجیتال فراگیر،. با مفاهیمیبرای ارزیابی مقیاس در محیطهای حساس به زمان یا محدود به منابع ارائه میدهد.
صفحه، 6 شکل، 5 جدول کامپیوتر و جامعه (cs. CY)؛ محاسبات و زبان (cs.
CL) استناد بهعنوان: (یا v1 [cs. CY] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite تاریخچه ارسال از:. Githma Manthini [مشاهده ایمیل] [v1] چهارشنبه،.
11 مارس 2026،. 06:.
17:. 46 UTC (903 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.