MicroWorld：多模态属性图增强显微医学推理

2026年10月27日，Manyu Li等人在arXiv平台发布MicroWorld框架及其论文。该框架提出一种基于多模态属性图（MAPG）的结构化知识增强方法，无需进行领域特定的微调即可提升多模态大语言模型（MLLM）在显微医学领域的性能。 在具体的性能测试中，该框架在MicroVQA基准上将Qwen3-VL-8B-Instruct模型的准确率从48.8%显著提升至67.1%。这一结果不仅实现了性能的大幅增长，更超越了GPT-5模型59.4%的准确率表现，证明了结构化知识增强方案的有效性。 为了支撑这一增强框架，研究团队构建了庞大的知识图谱资源。该图谱包含了约10.6万个节点以及262万条类型化边。通过引入互补的视觉检索路径，MicroWorld利用这些结构化的图谱数据，成功弥合了多模态大语言模型在显微镜领域应用中的领域鸿沟。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。