该图通过横向流程展示了四种模型在参数更新路径、损失函数及训推解耦方面的优化机制：双侧协同LoRA采用双端参数更新，视觉与语言侧LoRA均可训练，且语言损失反向传播至视觉端；MTL-AWL实现了训练-推理分离，训练时进行文本部分遮蔽并联合优化多类损失，部署时仅进行图像推理；大豆渐进微调通过ViT辅助寻优与超参迁移至Qwen-VL，分阶段进行渐进LoRA调优以评估跨分辨率泛化；PlantExpertVQA则利用知识库卡片与专家问答数据，对2B模型进行部分PEFT微调并作多任务评价。该内容适用于从事多模态大模型训练架构设计的算法工程师、专注参数高效微调（PEFT）与损失函数优化的研究者、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。