연구진은 상업용 소프트 과일 생산에서 제한적인 데이터로 인한 작물 수확량 예측의 어려움을 해결하기 위해 LLM 에이전트 프레임워크를 제안했습니다. 이 프레임워크는 기존 모델 예측을 후보정하며, 단계 감지, 편향 학습, 범위 검증을 위한 도구에 농업 분야 지식을 통합합니다.
연구 결과, XGBoost를 기반으로 한 수확량 예측에서 에이전트 보정으로 딸기 MAE는 20%, MASE는 56% 감소했으며, Moirai2와 Random Forest 기준선에서도 일관된 성능 향상을 보였습니다.
Llama 3.1 8B를 에이전트로 사용했을 때 가장 강력한 보정 효과를 보였으며, LLaVA 13B는 일관성 없는 결과를 보여 정제 모델 선택의 중요성을 강조했습니다.