该框图展示了“病斑漂移感知的跨作物持续训练”研究框架，核心探讨模型在学习新作物与新季节后，如何在固定存储预算内保留旧病种的诊断和证据定位能力。框架分为四大模块：模块A定义连续任务与数据边界，依次经历番茄（原数据）、黄瓜（新作物）、新季节（同病种环境变化）及新温室（外部域与未知类）。模块B聚焦固定预算的证据记忆，构建候选样本与区域原型，拟研究基于漂移驱动的回放选择策略，并在预设存储预算（|M|≤B）下动态分配配额。模块C提出共享适配器的约束更新，在共享多模态基座上训练低秩适配器，同时监督新任务学习与旧病种回放；通过对比新任务梯度与记忆梯度，在冲突时投影更新方向，确保非冲突时保留新梯度且g更新·g旧≥0。模块D进行更新后的能力检查，评估新任务学习、旧任务保留及预算与稳定性（如峰值显存与训练时长）。底部验证设计明确了任务顺序与重复实验、遗忘量化及等预算比较的方法。