这张图梳理了“2026病害大模型与训练机制：15篇原始论文全景”，将研究分为两大主线：A（植物病害多模态理解/训练支撑，10篇）与B（大模型训练数据选择，5篇）。A主线涵盖多模态基准与数据集（如LeafNet、TomaMMI）、专家知识问答（PlantExpertVQA）、推理交互（PlantInquiryVQA）、合成迁移（PD-CLIP）、专家融合（SOLAR）、检索（SMART）、蒸馏（T-MLKM）、融合（MACM/Cross-Mamba）及证据仲裁（H-MAP），聚焦病害诊断的多维能力构建。B主线聚焦训练效率与数据选择，包括FROST（真实梯度在线筛选）、GrADS（梯度分布驱动的子集选择）、GRADFILTERING（代理LoRA梯度信噪比）、SSR（能力×交互风格覆盖优化）以及PRISM（免训练去冗余特征选择），核心在于降低算力成本并提升数据质量。适用于需要系统了解植物病害AI多模态模型演进与高效数据选择策略的科研人员和算法工程师。