该图对比了SOLAR与MTL-AWL两种模型在“知识使用”与“训练目标”上的机制差异。SOLAR 聚焦生成式番茄诊断问答：利用视觉编码器与问题表征，通过“可训练问题路由器”动态激活问题条件视觉专家（MoE架构），最终由语言模型生成答案。其训练目标融合了语言建模、负载均衡及专家差异约束。MTL-AWL 则采用“大模型辅助轻量模型训练”范式：训练时同时接收图像与文本（随机遮蔽文本序列），通过交叉注意力和多模态一致性等约束，让图像学习病害表征；部署时仅需图像输入即可完成分类，不依赖文本编码。底部对照阅读指出：SOLAR按问题选择计算路径，MTL-AWL训练适应文本缺失；两者输出和资源目标不同，应比较机制而非直接比准确率。针对设施蔬菜病害，若关注多任务问答可优先研究条件路由与共享知识；若面向棚室终端部署，则可探索语义迁移与模态遮蔽。该图逻辑清晰，揭示了不同训练目标的底层机制。