该图对比了六篇病害大模型代表性论文的训练机制创新：双侧LoRA（A）通过反向梯度更新两侧低秩适配器，让语言监督调整病害视觉表征；SCOLD（B）利用软目标对比学习对齐病叶与症状文本，构建共享嵌入；TRAG-DPO（C）采用指令微调、检索表征训练与DPO偏好训练的多阶段对齐策略；MCTS路径自训练（D）将MCTS搜索生成的决策路径转化为下一轮LoRA微调数据；AgriGPT-VL（E）设计了从浅层到深层对齐再到GRPO优化的渐进式训练阶段；PD-CLIP（F）则借助UE5仿真图文实现跨域视觉-LoRA组合域适应。底部强调应从新增训练信号、参数更新、阶段反馈及消融验证四个维度来审视创新。该内容适用于从事农业多模态大模型研发的算法工程师、专注强化学习与偏好对齐的研究者、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。