본 논문은 식물 스트레스 반응 문헌에서 구조화된 지식을 추출하도록 특별히 고안된 고성능 오픈소스 언어 모델인 PlantDeBERTa를 제시한다. DeBERTa 아키텍처를 기반으로 하며, 렌틸콩(Lens culinaris)의 다양한 생물적 및 비생물적 스트레스 반응에 중점을 두고 전문가가 주석을 단 추상본으로 구성된 신중하게 큐레이션된 코퍼스를 사용하여 미세 조정되었다. 트랜스포머 기반 모델링, 규칙 기반 언어 후처리, 온톨로지 기반 개체 정규화를 결합하여 생물학적으로 의미 있는 관계를 정밀하고 의미론적으로 충실하게 포착한다. 작물 온톨로지와 정렬된 계층적 스키마를 사용하여 주석이 달린 기본 코퍼스는 식물 적응의 분자, 생리적, 생화학적, 농업적 차원을 포함한다. PlantDeBERTa는 다양한 개체 유형에서 강력한 일반화 능력을 보여주며 자원이 부족한 과학 분야에서 강력한 도메인 적응의 실현 가능성을 입증한다. 고해상도 개체 인식을 위한 확장 가능하고 재현 가능한 프레임워크를 제공함으로써 농업 NLP의 중요한 간극을 해소하고 식물 유전체학, 표현형 분석 및 농업 지식 발견에서 지능적이고 데이터 중심적인 시스템을 위한 길을 연다. 모델은 투명성을 높이고 계산 식물 과학에서의 학제 간 혁신을 가속화하기 위해 공개적으로 배포된다.
