PestLife：面向水稻虫害管理的多模态大模型生命周期感知评测基准

华南农业大学团队发布PestLife基准，这是首个将虫害生长阶段识别纳入多模态大模型评测体系的基准。通过三级分层框架系统评估39个SOTA模型，揭示阶段识别是当前农业AI的显著瓶颈。该基准旨在弥合模型评测与实际农业应用需求的鸿沟，推动智慧农业的精准虫害管理。

全球水稻种植面临严峻虫害威胁，精准防控需识别害虫种类及生长阶段（不同阶段危害与防治策略差异大）。当前依赖专家经验效率低，基层普及难。多模态大模型为农业智能化提供路径，但现有评测将害虫识别简化为单一分类，忽略生命周期感知，导致模型实验室表现与田间应用脱节。

PestLife的核心创新是三级能力维度（物种识别S、阶段识别T、知识应用K）及三级分层评测框架（Level1单能力、Level2双能力组合、Level3端到端综合）。数据集构建严格：多渠道收集35种水稻害虫1195张图像（经聚类去冗余、专家核验），生成12305组问答对（分层设计、多阶段过滤、专家校验），并设持续扩展的众包机制。

对39个SOTA模型（32多模态+7纯文本）零样本评测发现：1.阶段识别（T）是显著瓶颈，即使物种识别优的模型阶段判断准确率低；2.通用视觉-语言模型在农业细粒度任务上未必领先；3.端到端推理中误差累积问题突出。控制实验验证阶段信息缺失显著降低防控建议准确性。

PestLife填补农业垂直领域评测空白，首次纳入生命周期感知；评测结果可指导农业AI产品能力边界评估；三级框架可迁移至其他作物病虫害场景。团队已公开数据集和代码，鼓励社区扩展优化。

PestLife标志农业AI评测从“物种识别”向“生命周期感知”转变。当前多模态模型在细粒度农业视觉任务仍有提升空间，贴近真实场景的基准将成为学术与产业的桥梁，助力农业数字化转型。