这张图为证据驱动的设施蔬菜病害多模态大模型架构图，围绕共享基座、证据依赖与不变泛化，研究思路从传统 “识别病害” 升级到 “形成证据 — 依赖证据 — 稳定证据” 的全新范式。图中梳理现有研究短板：过往模型仅实现病害识别与问答微调，难以验证视觉证据是否真正驱动诊断、知识越权、证据跨域稳定性三大核心问题，并提出三条核心科学假设，围绕病斑作为可查询 “证据原子”、模型依靠证据而非背景与语言先验、跨场景下证据推理保持稳定展开。图中给出共享植物病害多模态大模型基座，以图像、病害记录、任务指令、领域知识作为输入，串联特征提取、证据推理、验证校正等模块，搭配多组损失函数完成模型训练，同时配套模型验证、反事实检验、不变性评估的实验方案，文末附参考文献。整套框架将单纯的模型效果测试升级为可证伪的科学机制验证，为农业多模态大模型的可解释性研究提供完整链路参考。无论正在开展农业多模态 AI 课题、撰写顶刊论文，还是申报相关科研项目的科研人员，都可以参考这套完整的模型架构与验证思路。