From Prediction to Recommendation: A Hybrid Machine Learning and Fine-Tuned Language Model Approach for Soil-Based Crop Recommendation
Este artículo propone un marco híbrido que combina XGBoost para la predicción precisa de cultivos basada en el suelo con un modelo de lenguaje ajustado mediante LoRA para generar recomendaciones Top-K interpretables y amigables para el agricultor, demostrando que la integración del aprendizaje automático tabular con la IA generativa mejora tanto el rendimiento como la usabilidad de los sistemas de apoyo a la toma de decisiones agrícolas.