PulseAugur
中
实时 15:29:39
English(EN) Auditing Data Leakage in Whole-Slide Image Multimodal Benchmarks

研究论文揭示病理学AI基准中普遍存在数据泄露

作者 PulseAugur 编辑部 · [2 个来源] ·

最近发表在arXiv上的一篇研究论文揭示了计算病理学中用于全切片图像（WSI）分析的多模态基准中存在严重的数据泄露问题。研究发现，患者级别和机构级别的数据污染普遍存在，在源自TCGA的基准中，重叠率高达92.3%至100%。这种泄露损害了视觉语言模型（VLM）的评估，使得区分真正的多模态推理和对伪影的记忆变得困难。研究人员提出了创建无污染评估的具体建议，以确保该领域取得可验证的进展。 AI

影响 强调了AI评估方法中的关键缺陷，为医学AI的可靠进展需要更严格的数据处理和基准构建。

排序理由 该集群包含一篇详细介绍AI基准方法论缺陷的研究论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

研究论文揭示病理学AI基准中普遍存在数据泄露

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Wenhao Zhang, Zhongliang Zhou, John Kang, Sheng Li ·

    全切片图像多模态基准中的审计数据泄露

    arXiv:2607.12278v1 Announce Type: cross Abstract: Recent vision-language models (VLMs) for computational pathology report striking zero-shot performance on whole-slide image (WSI) visual question answering (VQA) benchmarks. We audit these claims and find them fundamentally compro…

  2. arXiv cs.CV TIER_1 English(EN) · Sheng Li ·

    全切片图像多模态基准中的数据泄露审计

    Recent vision-language models (VLMs) for computational pathology report striking zero-shot performance on whole-slide image (WSI) visual question answering (VQA) benchmarks. We audit these claims and find them fundamentally compromised by data leakage at two hierarchical levels: …

相关实体

相关话题