長江流域是淡水生物多樣性保護的關鍵區域，隨着長江十年禁漁計劃的實施，有效的水生生物多樣性監測與物種級鑑定變得愈發重要。然而，由於近緣淡水魚類在形態上的差異十分細微，對其進行細粒度識別仍然是一項艱鉅挑戰。現有深度學習方法往往難以在分類準確率與推理效率之間取得平衡，而大型語言模型在生成專業生物學知識時又可能產生缺乏依據的信息。為應對這些問題，由Meng Liang等11位作者組成的研究團隊提出了FSVL——一個將視覺識別與大語言模型檢索增強生成（RAG）相結合的快慢雙通路框架，相關成果以arXiv:2610.31880v1形式於2026年10月22日提交至cs.CV與cs.AI領域。
FSVL的核心設計在於“快”“慢”兩條協同路徑。快路徑採用輕量級ResNet50網絡，對長江中游流域的51種魚類進行初步分類，並將預先定義的易混淆物種組路由至慢路徑進行精細化鑑定。慢路徑以分類學準則為指導，使用YOLOv8n檢測頭部、背鰭和尾部等關鍵形態區域，藉助形態測量特徵與輪廓特徵提升近緣物種之間的區分能力。這種級聯式結構使系統能夠在保證處理效率的同時，對難以區分的樣本投入更多計算資源。
在知識生成方面，該框架集成了檢索增強的Qwen3-14B後端，通過軟令牌與低秩適配（LoRA）實現參數高效的領域知識生成。這一設計旨在抑制大語言模型在專業生物知識輸出中的“幻覺”問題，使生成的物種信息有據可依。
實驗結果顯示，在607張圖像的評估測試集上，快速分類器單獨達到99.67%的準確率，而級聯流程糾正了其中的兩處錯誤，使整體準確率達到100.00%。作者同時指出，該結果仍需在獨立標本和外部環境條件下開展進一步驗證。在255個知識生成樣本上，學名準確率從91.37%提升至100.00%，屬名準確率從90.20%提升至98.82%，ROUGE-L指標從0.335提升至0.655。這些改進為智能生物多樣性監測和漁業管理提供了有力支撐。
值得關注的是，該研究將細粒度視覺分類、形態學驅動的目標檢測與檢索增強的語言生成整合於統一框架，並強調分類學準則對模型推理的引導作用，從而提升了結果的可解釋性。其快慢雙通路思路也為其他需要在效率與精度之間權衡的生態監測任務提供了參考。不過，100%的測試集準確率基於規模有限的607張圖像，且作者已明確提示外部驗證的必要性，因此其泛化能力仍有待更多實地數據檢驗。