该流程展示了“生成式农业多模态模型”的四种训练范式对照：AgroGPT（WACV 2025）主打领域指令数据引擎，将农业纯图像与类知识构建为7万专家指令，经图文对齐、通用微调后进入农业专家微调，强化指令先例；AgriGPT-VL（预印本 2025）侧重分阶段加强化精修，基于Agri-3M-VL数据，依次进行文本专业知识扎根、浅层/深层图文对齐，最后用GRPO强化精修农业问答；AgriChain（LREC 2026）聚焦推理依据监督，利用约1.1万叶片图像，由GPT草拟理由并经植保专家核验后，结合Qwen2.5-VL-3B进行微调，将专家验证的诊断理由与标签同时作为监督信号；MCTS自训练（Frontiers Plant Sci. 2026）实现迭代学习闭环，通过多智能体局部观察、蒙特卡洛搜索、轨迹去重与筛选，最终进行LoRA多轮迭代，将搜索得到的区域证据轨迹转化为下一阶段训练样本。每项范式均附有对下一篇论文的约束提示（如需做阶段消融、避免仅把旧范式改成农业名称等）。无论你是研究多模态大模型训练范式的科研学者、从事指令微调与强化学习对齐的算法工程师，还是致力于农业大模型落地的产业开发者，都能从中获得清晰的范式参考与实验设计启发。