该模版展示了“同样面对病叶，四种方法更新了什么？”的中文文献对照，对比了四种植物病害模型的训练输入、更新机制与验证证据。方法A（多作物诊断与问答）：输入叶片图像与领域问答指令，视觉侧提取多尺度特征，语言侧以LoRA更新参数。外部独立集验证显示准确率从98.74%降至89.52%。方法B（少样本视觉语言识别）：输入每类少量图像与类别文本，通过双提示在编码层间交互，类别原型用移动平均更新，在铜川苹果数据集上宏准确率与宏F1分别为92.11%和92.20%。方法C（病虫害图文融合）：输入叶片与指南辅助生成的症状描述，动态分配图文特征权重，用自监督任务重构特征，均关闭重构时准确率从97.21%提升至98.42%。方法D（视觉模型低秩适配）：输入跨层表征相似性与梯度信息，按层重要性分配低秩参数，参数趋于稳定时重新配秩，在小麦RegNetY上可训练参数从74.67M降至2.66M。