该框图展示了一项植物病害视觉语言模型训练的拟议实现方案（图版03/04），核心探讨“训练时如何把区域证据写进参数更新”。输入与输出：输入为整叶图像、标记框及标准问题，经冻结基座（视觉端和语言端插入同秩LoRA）处理后，结构化输出病名、区域陈述，若不可判断则标记“不确定”。 阶段一（区域条件指令微调）：输入同一叶片的不同标注区域，用专家确认的答案做词元交叉熵训练，诊断不确定或缺乏证据时保留相应标签，输出SFT检查点。阶段二（双向配对偏好优化）：复制并冻结SFT检查点作为参考策略，在框A下优先u，框B下优先v。平均DPO损失，并惩罚较弱一侧的偏好间隔。更新LoRA并保留诊断SFT辅助项。图中底部给出了对照附加项公式（max(0,m) - min(gA,gB)），其中g为各框“正确陈述减冲突陈述”的参考校正对数偏好差。