该图总结了2024-2025年病害大模型在“训练方法创新”上的代表性研究，核心分为三大板块：一是参数高效微调与提示学习（如Soft Prompt、PMPL、全组件LoRA），侧重知识增强、渐进Mixup与多模态对齐，以极少参数实现跨域泛化；二是自监督与领域预训练（如CL-ViT、LeafVision、SCOLD），利用自监督和图文对比学习解决未知病害识别与细粒度检测，降低标注依赖；三是少样本与未知病害泛化（如PlantCaFo、OOD检测、Agri-LLaVA），通过轻量适配器、视觉提示及多模态指令微调，提升少样本、分布外场景及复杂农业问答的鲁棒性；底部“训练方法创新矩阵”直观对比了各方法在微调、提示、自监督、少样本泛化及知识注入等维度的采用情况。该内容适用于农业AI算法工程师、大模型微调与多模态学习研究者、智慧农业科研人员、计算机视觉研究生及农业信息化产品经理等相关从业者。