Pest-Thinker：通过强化学习像昆虫学家一样思考与推理

针对害虫识别中物种复杂度高及专家数据稀缺的挑战，本文提出 Pest-Thinker，一种知识驱动的强化学习框架，旨在赋能多模态大模型进行细粒度害虫形态推理。研究构建了包含专家标注形态特征的高质量基准数据集，利用思维链轨迹通过监督微调实现结构化学习。随后，采用组相对策略优化算法，结合新颖的特征奖励机制与“大模型即裁判”策略，引导模型关注可观察的形态证据。实验表明，该方法显著提升了域内及域外的形态理解能力，推动了智能农业害虫分析向专家级视觉推理迈进。