当基础模型扩展到多模态与语言推理体系后，可解释性难度进一步上升。多模态大语言模型往往同时依赖图像、文本、农事记录与环境数据进行融合推理，当前缺乏统一的机制来追踪其跨模态证据链与推理路径，使“模型为何给出某种防治建议”难以被可靠地溯源解释（Feng et al., 2024）。此外，可解释性本身也缺乏公认的统一定义与评测框架，不同方法关注的解释粒度与目标不同。