AlignCP

新框架AlignCP增强了医学视觉语言模型的不确定性预测能力

研究人员推出了一种名为AlignCP的新框架，旨在改进少样本学习场景下医学视觉语言模型（VLMs）的不确定性预测。该方法解决了在仅使用有限标记数据将预训练的VLMs适应新医学任务的挑战，同时保持可靠的不确定性估计。AlignCP通过学习一个重新加权的校准分布来实现这一点，该分布最小化了标记支持集和未标记查询集的分数分布之间的差异，从而在无需查询标签的情况下弥合了因适应而产生的覆盖范围差距。