跳到正文
arXiv · 机器人与计算机视觉· Qiaoru Li, Shaotian Liang, Jintao Chen, Haoran Sun, Yuxiang Cai, Jianwei Yin, Yankai Jiang·· 2026-10-12AI 评分45

VITAL:面向医疗多模态大模型的视觉 - 语义双重监督隐空间推理框架

VITAL: Visual-Semantic Dual Supervision for Enhanced and Interpretable Latent Reasoning in Medical MLLMs

AI 导读

VITAL 提出一种针对医疗多模态大模型的隐空间推理框架,通过视觉 - 语义双重监督解决现有方法的模态坍塌与不可解释性问题。该框架构建包含 61K 样本、覆盖 9 种成像模态的新数据集,在 7 个基准测试中均大幅超越骨干模型及所有隐推理基线,性能媲美万亿参数专有模型且推理零额外开销。

来源:arXiv · 机器人与计算机视觉 · arxiv.org