该框图展示了一个原创研究假设：“拟议新SCI：区域—症状双证据约束的自适应级联强化训练”。该研究以SGDA-VLF提供病斑框和症状语义为起点，需实现并验证下方各模块。A部分（数据）：将已有病斑框转化为可核验证据，构建包含区域框、症状描述、专家诊断理由的监督样本三元组，并提示需新增人工核验。B部分（机制）：强调不是简单拼接RL，而是由能力状态决定训练阶段。阶段I进行离线证据偏好（低成本启动），通过能力评估器计算区域命中率、证据覆盖度及漏诊风险，达标且风险受控后转入阶段II在线优化（采样多组理由，验证区域与症状，进行GRPO策略更新）。C部分（双证据损失）：设计了奖励公式，综合诊断正确、区域定位、症状支持，并减去证据冲突惩罚，奖励“回答有根据”而非只答对。D部分（强基线对比）：列出了B0到B5的对照组设计，从仅诊断的SFT、普通GRPO，到固定离线→在线级联、MedLoc式动态IoU、固定奖励，最终对比完整自适应双证据级联，以探究联合训练是否真的更好，并强调需固定模型、标注数量与GPU小时以报告跨温室测试与达标率。本图内容适合AI大模型强化学习算法工程师、智慧农业/植物病理方向的研究人员、多模态视觉语言模型专家以及学术论文写作者阅读参考。