ViCoR：用反事实残差筛选多模态医学数据

2026年10月20日，arXiv Artificial Intelligence 刊出 Haotian Gan 等作者的 ViCoR 研究。该研究针对多模态医学视觉语言模型（Med-VLM）微调中的数据选择问题，提出 ViCoR 方法：通过图像依赖的优化残差估计视觉必要性，并用医学监督兼容性校准得分，进而构建多样性感知的微调子集。作者在两个骨干、四个外部泛化基准和一个多疾病鲁棒性基准上验证，ViCoR 选出的 20% 子集平均表现优于全量数据微调与选择基线；梯度分析和扰动审计显示其增强了图像级与证据区域依赖。目前该事件仅有这一篇主报道，尚无跟进报道或相互矛盾的数字与说法。

AI 根据报道生成 · 34 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。