三个md文件分别是三篇SCI论文的解读,我想借鉴他们的实验设计完成我的设计,现在拥有的数据集和大概的实验设计在csv文件中,初步想法:首先筛选出多模态模型(CLIP、SigLip、SigLip2、ViLT)的最佳backbone,同时用原生CLIP、BioCLIP、BioCLIP2进行对比;然后再用筛选出的backbone搭配5种不同技术路线的微调方法进行微调对比;之后再找出效果最后的文本类型;最后再测试加入不同层级的地点,试试能否进一步提高。还有所有实验是不是使用统一的测试集比较好——zeroshot和fewshot测试集,这样方便所有实验在同一条件下进行测试对比。除此之外,我还希望增加样本使用效率和cross-domain的实验。请帮我规划一下完整的实验步骤,并将该结果写入一个新的readme中