该对照图对FROST、GrADS、GRADFILTERING和SSR四种算法进行了系统对比，核心探讨了“如何选择样本、依赖哪些梯度或代理、额外成本与边界是什么”三个关键问题。图中分别梳理了四种算法的工作流程：FROST采用真实数据锚定的在线过滤，经过实时采样、计算真实任务梯度锚点、批次效用历史校准，仅异常批次触发过滤；GrADS通过初步训练提取实例梯度，建立统计分布后自适应选择代表性子集，再执行领域微调；GRADFILTERING先进行轻量代理模型预训练，利用LoRA集成估计不确定性，结合早晚梯度变化与分歧，用G-SNR排序并选子集；SSR则解析能力类评分，获取样本交互风格，构建能力×风格网格，最终进行次模覆盖优化选择。每列下方还列出了各算法的优缺点及研究现状。适用于从事机器学习算法研究、AI数据筛选优化以及农业病害识别模型训练的科研人员和工程师。