该框图全景展示了2025—2026年农业/植物病害大模型训练的11项论文，按实际训练对象分为三大类：一是农业专用与专家监督（3项），包括AgroGPT（图文对齐加农业专家微调）、AgriGPT-VL（文本知识扎根、深浅层对齐与GRPO精修）及AgriChain（依据专家审核理由作为训练标签）；二是病斑证据与真实域（4项），涵盖PD-CLIP（细粒度视觉表征预训练）、DLCAF（引入专家局部病斑标注与LLM推理）、AgriMM（多尺度融合与区域文本对比）以及葡萄全局—局部VLM（利用显著性自动裁剪构建全局/局部协同）；三是参数优化与闭环学习（4项），涉及双侧协同LoRA（语言监督梯度更新视觉表征）、MTL-AWL（多模态部署时丢弃文本保留图像分支）、大豆渐进微调（超参搜索加分段LoRA）和多智能体MCTS自训练（将搜索决策路径转为新监督数据）。总体而言，该图系统梳理了当前病害大模型在生成式多模态、视觉语言表示、目标检测与推理四大方向上的训练机制与创新贡献。无论你是深耕智慧农业的科研学者、致力于多模态大模型微调与轻量化的算法工程师，还是期望将AI技术落地于作物病害诊断的产业开发者，都能从这份全景图谱中获得极具价值的架构设计与训练策略参考。