利用本体语境增强多模态大型语言模型的可解释性

本研究针对多模态大型语言模型（MLLMs）在特定视觉概念和类别的准确描述中存在的挑战，提出了一种将本体与MLLMs结合的新框架，以用于植物疾病图像的分类。通过集成领域知识，本框架提高了模型在特定应用中的透明度和可解释性，促进了决策过程的信任感，并在情境中进行合理性审查。