研究人员开发了一个新颖的、无需训练的框架，以增强医学多模态大语言模型（MLLM）的可信度。该系统名为协同感知-推理治理（Synergistic Perception-Reasoning Governance），通过在推理过程中注入可验证的解剖学证据来解决幻觉问题。它通过区域感兴趣（ROI）引导的激活调制来重新校准视觉感知，并通过将解剖学坐标映射到语义令牌来锚定文本推理。在多个数据集上使用各种MLLM进行的评估表明，准确性显著提高，幻觉大幅减少。 AI
影响 该框架通过减少诊断和报告任务中的幻觉，有望提高医疗AI工具的可靠性。
排序理由 详细介绍医学MLLM新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- InternVL-3.5-8B/38B
- LLaVA-1.5-7B
- LLaVA-Med-1.5-7B
- MedSAM
- Qwen3-VL-8B/32B
- Synergistic Perception-Reasoning Governance
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
