长江流域是淡水生物多样性保护的关键区域，随着长江十年禁渔计划的实施，有效的水生生物多样性监测与物种级鉴定变得愈发重要。然而，由于近缘淡水鱼类在形态上的差异十分细微，对其进行细粒度识别仍然是一项艰巨挑战。现有深度学习方法往往难以在分类准确率与推理效率之间取得平衡，而大型语言模型在生成专业生物学知识时又可能产生缺乏依据的信息。为应对这些问题，由Meng Liang等11位作者组成的研究团队提出了FSVL——一个将视觉识别与大语言模型检索增强生成（RAG）相结合的快慢双通路框架，相关成果以arXiv:2610.31880v1形式于2026年10月22日提交至cs.CV与cs.AI领域。
FSVL的核心设计在于“快”“慢”两条协同路径。快路径采用轻量级ResNet50网络，对长江中游流域的51种鱼类进行初步分类，并将预先定义的易混淆物种组路由至慢路径进行精细化鉴定。慢路径以分类学准则为指导，使用YOLOv8n检测头部、背鳍和尾部等关键形态区域，借助形态测量特征与轮廓特征提升近缘物种之间的区分能力。这种级联式结构使系统能够在保证处理效率的同时，对难以区分的样本投入更多计算资源。
在知识生成方面，该框架集成了检索增强的Qwen3-14B后端，通过软令牌与低秩适配（LoRA）实现参数高效的领域知识生成。这一设计旨在抑制大语言模型在专业生物知识输出中的“幻觉”问题，使生成的物种信息有据可依。
实验结果显示，在607张图像的评估测试集上，快速分类器单独达到99.67%的准确率，而级联流程纠正了其中的两处错误，使整体准确率达到100.00%。作者同时指出，该结果仍需在独立标本和外部环境条件下开展进一步验证。在255个知识生成样本上，学名准确率从91.37%提升至100.00%，属名准确率从90.20%提升至98.82%，ROUGE-L指标从0.335提升至0.655。这些改进为智能生物多样性监测和渔业管理提供了有力支撑。
值得关注的是，该研究将细粒度视觉分类、形态学驱动的目标检测与检索增强的语言生成整合于统一框架，并强调分类学准则对模型推理的引导作用，从而提升了结果的可解释性。其快慢双通路思路也为其他需要在效率与精度之间权衡的生态监测任务提供了参考。不过，100%的测试集准确率基于规模有限的607张图像，且作者已明确提示外部验证的必要性，因此其泛化能力仍有待更多实地数据检验。