该对比图展示了2026年两篇关于病害模型训练的新工作，分别聚焦自适应提示与多标签蒸馏：A（BLAP：自适应多尺度视觉提示）输入病叶图像与诊断文本提示，视觉编码器与Q-Former骨干冻结，通过多尺度金字塔PFM（更新投影与融合权重）、LLM骨干结合LoRA（更新注意力低秩矩阵）以及APFM（视觉提示+交叉注意力+自适应门控）三条可训练路径进行交互，最后经LM Head输出诊断文本并计算自回归交叉熵，其创新点在于训练学习内容相关的视觉提示与多尺度交互，而非仅训练一组静态提示词；B（CA-CLIP：多标签知识蒸馏）采用教师-学生架构，冻结的CA-CLIP教师模型接收图像与类别症状提示，输出逐类Logits并形成软目标，MobileNetV3学生模型仅输入病叶图像并输出逐类Logits，学生目标为多标签监督与加权蒸馏损失（采用逐类Sigmoid与二元交叉熵），其创新在于将图文教师的知识迁移至轻量化多标签学生模型，且仅用于图像诊断，不压缩LLM整体文本能力。对照结论指出：BLAP改变生成模型中的可训练交互模块，侧重参数高效适配；CA-CLIP改变监督来源与部署模型，侧重多标签知识转移，两者的贡献不能用同一个准确率直接排序。