研究人员开发了 WaferSAGE，一个利用 4B 参数 Qwen3-VL 模型进行半导体制造晶圆缺陷视觉问答的框架。该系统通过采用由结构化评分指南指导的三阶段合成数据生成流程来解决数据稀缺问题。这种方法能够进行精确评估，涵盖缺陷识别、空间分布、形态和根本原因分析，支持本地部署和成本效益解决方案。 AI
影响 展示了小型、领域特定的模型如何在专业工业任务中实现高性能，从而实现支持隐私的本地部署。
排序理由 这是一篇详细介绍特定工业应用新框架和模型的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.27629v1 Announce Type: new Abstract: We present WaferSAGE, a framework for wafer defect visual question answering using small vision-language models. To address data scarcity in semiconductor manufacturing, we propose a three-stage synthesis pipeline incorporating stru…