理了2025-2026年间六篇关于植物病害AI诊断的中文核心期刊论文。图表通过“论文与来源、核心算法/训练损失、参数更新与系统边界、对设施蔬菜研究的影响”四个维度进行了横向对比。六项研究各具特色：CN01“动态低秩适配”侧重跨层特征相似性与动态秩分配；CN02“SAFusion-CLIP”聚焦CLIP视觉/文本双流及平衡对齐与重构损失；CN03“DPHI”采用层级双提示交互与EMA动态原型；CN04“多作物诊断问答”结合了多尺度专家头与LLM的LoRA指令微调及RAG；CN05“AgenticGraphRAG”创新在于递进提示知识抽取与图谱增量更新；CN06“TRAG-DPO”则利用病斑检索与专家偏好数据进行直接偏好优化。适合从事智慧农业、多模态视觉语言模型研究的硕博生及科研人员用于文献综述与寻找创新切入点。