该框架核心思路是“让模型学会校验候选事实”。该框架分为两大阶段：一是候选事实生成，从水稻病虫害文本中抽取实体及关系，通过迭代净化上下文反复整理文本和结构化实体，并按图谱模式反思补缺，修正遗漏的实体或关系；二是事实审核，将生成的“实体—关系—实体”候选三元组输入基于Qwen2.5-7B-Instruct结合LoRA训练出的监督式校验器，过滤错误关系，审核通过的候选才进入知识图谱。实验在自建中文集上验证，三元组抽取精确率达0.942，F1值为0.924。阅读要点特别提示：监督微调集中在事实校验环节，且把图谱用于诊断问答后，仍需另行测量答案是否正确。总体而言，该工作通过“生成加审核”的双重机制提升了小模型构建知识图谱的可靠性。无论你是研究知识图谱构建与信息抽取的科研人员、探索大语言模型微调与事实校验的算法工程师，还是致力于将农业知识图谱落地于智能问答系统的开发者，都能从中获得实用的方法框架与实验参考。