图表从“论文、训练输入、训练步骤与优化目标、实际训练/更新参数、最可借鉴的创新点”五个维度进行了深度拆解。内容清晰展示了各研究的技术路径差异：在数据输入上，涵盖农业图像指令、专家验证解释、自动化推理样本及多视角数据等；在训练策略上，呈现出从多阶段参数优化、知识注入、CoT蒸馏、推理指令增强到DPO（直接偏好优化）、ARPO强化学习及跨模态端到端微调等多种进阶范式；在实际参数更新上，区分了全量微调、LoRA适配器及视觉/语言双侧协同适配。图底特别注明了“参数更新以论文公开方法为准”等严谨的界定原则。整张图高度凝练了农业多模态模型从“数据构建”到“训练机制”再到“创新落点”的技术全貌。适合智慧农业、多模态大模型领域的科研人员及算法工程师用于技术选型、文献综述与挖掘创新点。