الهدف تهدف هذه الدراسة إلى معالجة الكفاءة المستدامة في تداول المنتجات الزراعية، وهي المعلومات غير المتكافئة، وضبابية السوق، وعدم كفاءة التداول، التي تعيق ربحية سلسلة التوريد وتزعزع استقرار السوق. تستكشف كيف يمكن أن تعزز الأنظمة الذكية، المدعومة بنماذج اللغة الكبيرة (LLMs)، من شفافية المعاملات، وتحسن من اتخاذ القرار، وتطور أداء السوق. التصميم / المنهجية / الأسلوب تُدمج هذه البحث نماذج اللغة الكبيرة (LLMs) في إطار مزاد عبر الإنترنت من خلال أنظمة وكلاء ذكية ديناميكية التكيف. تحاكي هذه الوكلاء سلوكيات السوق الواقعية وتستفيد من خوارزميات التعلم الآلي لتحسين اتخاذ قرار المزاد. تتم عملية تقييم تجريبي باستخدام ثلاث مجموعات تجريبية، مع تقييم الأداء عبر عدة مقاييس كمية. يتم اختبار الأهمية الإحصائية باستخدام تحليل Tukey's HSD. النتائج تُظهر النتائج أن نظام الوكيل المستند إلى LLM يتفوق بشكل كبير على النهجين المرجعيين الآخرين في جميع مؤشرات الأداء. يُظهر النظام قدرة فائقة على تخفيف آثار المعلومات غير المتكافئة، وتحسين دقة التسعير، وتسهيل معاملات أكثر كفاءة وشفافية. القيود / التبعات البحثية قد تؤثر القيود الجغرافية والزمانية على شمولية النتائج؛ هناك حاجة لمزيد من البحث. الآثار العملية يقدم النموذج المقترح رؤى قابلة للتطبيق لتصميم منصات التداول عبر الإنترنت من الجيل التالي في القطاع الزراعي. من خلال تضمين LLMs في أنظمة الوكلاء الذكية، يمكن أن تستفيد المشاركون في السوق - بما في ذلك المزارعين والمشترين - من تدفق المعلومات المحسن، وتقليل تكاليف المعاملات، وتفاعلات أكثر توازنًا بين العرض والطلب. الآثار الاجتماعية يعزز المعاملات العادلة، مما يقلل من عدم تكافؤ المعلومات في السوق لتطوير زراعة مستدامة. الابتكار / القيمة تُعد هذه الدراسة من أولى الدراسات التي تدمج نماذج LLMs في أنظمة تداول زراعي قائمة على المزاد، مما يظهر الإمكانيات التحويلية للذكاء الاصطناعي في إعادة تشكيل الآليات السوقية. يجمع البحث بين الذكاء الاصطناعي والزراعة الذكية، مساهمًا بإطار جديد يعزز كل من الفهم النظري والابتكار العملي في الزراعة الرقمية وتصميم الأسواق الإلكترونية.
درس Feng وآخرون (Mon,) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: