这张信息图梳理了近期四篇关于“植物病害/视觉语言模型训练研究”的中文论文，按照“研究任务、训练或适配依据、核心改动”的逻辑框架，直观对比了不同研究在模型训练创新上的侧重。第一项“多作物诊断与问答”依托症状、知识与指令，对四种语言模型进行LoRA微调，并设立视觉专家分类头；第二项“双提示少样本识别”利用少量标注与图文提示，通过掩码控制双向注意力并更新视觉原型；第三项“SAFusion-CLIP”结合标签与农业指南生成描述，实现了对齐后的自适应模态权重分配与自监督特征重构；第四项“动态低秩适配”则根据层间表征与梯度信息，为视觉层动态分配不同的秩，并在训练稳定时更新分配表。整张图高度凝练了四项研究在数据信号利用与算法架构改造上的差异化创新路径，为少样本识别、多模态融合等农业AI前沿方向提供了清晰的对比视角。适合从事智慧农业、多模态AI研究的算法工程师及农业信息化方向的高校师生用于快速追踪领域前沿进展。