该图聚焦2023-2024年代表性论文，从训练层面横向对比了农业、病害、蔬菜、植物四类大模型的训练方法创新。农业大模型（如AgriLLM）侧重两阶段增量预训练与指令微调，结合RAG和RLHF减少幻觉；病害大模型（如PlantDoc-VLM）深耕视觉-语言对比学习，强调细粒度分类与零样本迁移，并结合知识图谱增强交互诊断；蔬菜大模型（如VegCLIP、VeggieVision）采用大规模图文对比预训练，融入课程学习与时空数据融合，兼顾生长阶段与产量预测；植物大模型（如Plant-CLVL、PhytoNet）则探索跨模态表征对齐、多光谱自监督与少样本微调。底部总结提炼出各领域的核心训练维度（如农业的RAG、病害的零样本、蔬菜的时空融合、植物的自监督），清晰呈现了不同场景下的算法发力点。该图结构清晰，是梳理训练策略的极佳参考。不管是AI开发者还是农业应用专家，都能从中快速找到所需的技术灵感。