跳到正文
arXiv · AI· Qiaoru Li, Shaotian Liang, Jintao Chen, Haoran Sun, Yuxiang Cai, Jianwei Yin, Yankai Jiang·· 2026-10-12AI 评分27

VITAL:面向医疗 MLLMs 的增强且可解释的潜空间推理视觉-语义双重监督

VITAL: Visual-Semantic Dual Supervision for Enhanced and Interpretable Latent Reasoning in Medical MLLMs

AI 导读

VITAL 提出一种视觉-语义双重监督的潜空间推理框架,用于提升医疗 MLLMs 的可解释性。 该框架包含辅助文本解码器与视觉投影器,在推理时零开销丢弃,可事后重新附加以实现双重可解释性;实验基于 7 项基准,性能优于骨干网络、潜空间推理基线及更大数据训练的医疗 MLLMs。 结果达到 SOTA,与万亿参数专有模型具有竞争力。

来源:arXiv · AI · arxiv.org