PEFT+视觉-语言模型少样本猴肝病理分类概念验证
热点事件持续更新
PEFT+视觉-语言模型少样本猴肝病理分类概念验证
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Amirmohammad Mohammadi 等人在发表于 IEEE BIBM 2026 的论文（arXiv:2611.17105）中验证了用参数高效微调（PEFT）结合视觉-语言模型进行少样本全切片图像分类，以预测非人灵长类的饮酒状态，属于概念验证性质的研究。 在 MATRR 猴肝组织数据子集上，四-shot 设置下仅用 ABMIL 基线的平均平衡准确率为 43.5%，加入 adapter 后提升至 78.1%。注意力分析显示，文本通路适配产生局部化热图，视觉通路适配则更为弥散。
AI 根据报道生成 · 2 小时前更新
最新进展11月14日 13:00
用参数高效微调从非人灵长类肝脏病理切片预测饮酒状态：少样本视觉-语言模型概念验证报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AI用参数高效微调从非人灵长类肝脏病理切片预测饮酒状态：少样本视觉-语言模型概念验证
一项发表于 IEEE BIBM 2026 的研究验证了在计算病理学中用参数高效微调（PEFT）结合视觉-语言模型进行少样本全切片图像分类。在 MATRR 猴肝组织数据子集上，四-shot 设置下 ABMIL 基线的平均平衡准确率为 43.5%，加入 adapter 后提升至 78.1%。注意力分析显示文本通路适配产生局部化热图，视觉通路适配则更弥散。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。