研究人员开发了一种名为联邦自上下文（FSC）的新框架，使音频语言模型能够为临床音频诊断执行上下文学习，尤其是在资源匮乏的环境中。该多模态模型通过使用无监督聚类创建伪标签，然后通过联邦优化调整模型，从而绕过了对大量带注释语料库的需求。在对呼吸系统和心脏疾病的评估中，FSC在2次样本设置中表现出71.6%的准确率，比现有的音频语言基线高出9%以上。 AI
影响 该框架通过使模型能够从有限的数据中学习，有可能改善资源匮乏的医疗环境中的诊断能力。
排序理由 该集群描述了一种用于特定研究应用（临床音频诊断）的新型多模态语言模型框架。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
