该矩阵展示了“中外11项病害大模型训练创新机制矩阵”，通过图例（实心点为核心贡献、半实心为次要涉及、空心为未列为主要贡献）横向对比了11项研究在领域数据、专家监督、阶段训练、区域病斑、跨域适配、检查知识、偏好/强化、自训练、参数效率及部署效率十个维度的表现。基于矩阵，右侧总结了五大观察结果：01 通用农业微调已广泛出现（如AgroGPT与AgriGPT-VL均包含领域数据与阶段训练）；02 病斑局部监督并不新奇（AgriMM、PD-CLIP、TRAG-DPO均涉及细粒度区域）；03 专家监督开始深入偏好对齐（AgriChain提供核验理由，TRAG-DPO加入专家偏好）；04 训练算法呈现闭环化（MCTS利用轨迹反馈）；05 必须区分训练与检索（RAG与数据集建设不能直接等同于训练算法创新）。阅读原则提示：本文用于概括文献定性标签，不能直接推断研究空白，且判别式模型与生成式MLLM非同属一类。无论你是梳理前沿技术脉络的科研学者、从事大模型微调与架构设计的算法工程师，还是寻求农业AI落地方案的产业开发者，都能借此矩阵快速定位技术热点与创新切入点。