|
|

楼主 |
发表于 2026-5-17 09:50:40
来自手机
|
显示全部楼层
本帖最后由 NatureBoy 于 2026-5-17 09:54 编辑
: \7 t) |, a5 Z6 x" w, z) j
m+ N/ S; C( ^% f8 j6 D交叉学科动态(AI for Medicine)
8 d9 n5 j$ J% Z1 F' Z e M- m \7 F2 g$ d* }! }
AAAI 2026: 华西医院病理科/临床病理研究所联合多伦多大学、盛京医院等机构发布多模态智能体检索模型Patho-AgenticRAG,实现AI循证推理全链条权威可溯
* ^/ r: z1 d2 a# I/ _3 O《Patho-AgenticRAG: Towards Multimodal Agentic Retrieval-Augmented Generation for Pathology VLMs via Reinforcement Learning》
8 z( t2 {, ]$ t5 c6 Q( N O/ b; Y
$ j, \! S" W/ h9 B9 B& L* ?8 I和传统RAG系统“被动搜文本、搜完就答题”的僵化逻辑不同,Patho-AgenticRAG的核心创新,是把病理诊断从“AI背书答题”,变成了“AI模拟资深病理医生的完整诊断流程”。
* h* u$ }; Z/ C, G# \/ O6 a团队用行业公认的6个权威病理VLM基准数据集,给Patho-AgenticRAG安排了一场“病理执业医师资格考试”,对比对象包括InternVL3、Llama3.2V、Qwen2.5VL等主流通用大模型,以及此前性能最优的专用病理大模型Patho-R1-7B。通俗来说,这场考试里,通用大模型只能考三四十分,此前最好的专用病理AI能考六七十分,而Patho-AgenticRAG能稳定考到八九十分,尤其是最难的、最考验知识储备和推理能力的专家级考题,它的提升幅度最大。
, m9 h) c' R ]+ F |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
x
|