在全球气候变化与粮食安全需求提升的双重压力驱动下，精准识别生物与非生物胁迫对作物影响的植物胁迫表型分析技术正经历快速的技术变革。近期发表于《Plant Phenomics》的综述，系统性阐释了大语言模型（LLMs）与视觉-语言模型（VLMs）的融合应用，提出了一套新型研究框架，有望推动农业向规模化、精准化的智慧农业模式加速转型。

传统植物胁迫检测方法高度依赖人工评估或单模态视觉模型，这类方法存在主观性强、可扩展性有限的问题，且在复杂或复合胁迫场景下检测性能不佳。与之相比，大语言模型与视觉模型的融合在作物胁迫检测中展现出显著优势。尽管如此，这类系统仍存在模型幻觉、对数据集质量依赖性强、需针对特定领域进行提示词工程设计或对视觉模型开展微调等局限性。

大语言模型与视觉-语言模型的协同融合，能够实现对多模态数据的深度解析。视觉-语言模型融合图像与文本编码器，可联合处理高分辨率作物影像与田间记录，突破单视觉模型的泛化能力局限。同时，大语言模型凭借其在语义推理与少样本学习方面的优势，可完成文献挖掘、性状描述与标注、诊断报告生成等任务。检索增强生成技术（RAG）的融入，进一步提升了结果的可靠性，缓解了模型幻觉问题。

尽管该技术具备巨大应用潜力，但其实际落地仍面临诸多挑战：高质量农业多模态数据集匮乏、模型训练计算成本高昂、跨区域与跨语言的适配能力有限，且难以在复杂的田间环境中复现实验室级别的检测准确率。为解决上述问题，该综述提出了一系列解决方案，包括利用生成对抗网络（GANs）生成合成数据、优化轻量级模型架构、将知识图谱（KGs）与神经符号推理相融合等。

作为该新兴领域最早的综合性综述之一，本研究提出的大语言模型-视觉-语言模型融合框架，为抗逆作物育种与田间精准管理提供了跨学科研究新视角。随着模型的持续优化与数据集的标准化建设，人工智能驱动的表型分析技术有望进一步突破“检测-推理-决策”全流程的技术瓶颈，为可持续农业发展与全球粮食安全提供核心技术支撑。

中国科学院东北地理与农业生态研究所为论文第一完成单位，大豆分子设计育种重点实验室ElshanMusazade特别研究助理为第一作者，冯献忠研究员为通讯作者。研究得到生物育种国家科技重大专项（2023ZD040360301）和国家自然科学基金（U21A20215和32488102）的支持。

基于LLMs和VLMs的AI驱动植物胁迫管理框架