热点事件持续更新

零样本晶圆图多分类论文发布：免训练提示框架

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Tianjian Cao、Jun Tao 在 arXiv 发布论文，提出一种免训练的晶圆图六类缺陷分类框架，用连通域高亮结合形态、位置与排除感知的规则排序提示词驱动冻结的大型多模态模型，无需训练即可完成零样本分类。论文报告该方法在 Mixed-WM38（6,866 张图）上达到 92.9% 宏平均与 93.8% 总体准确率，在 WM811K（9,000 张图）上为 79.1% 与 81.3%。作者还测试了八种替代规则顺序，总体准确率为 90.1%–91.9%，均低于所选顺序的 93.8%，以此支持其规则排序设计。

AI 根据报道生成 · 55 分钟前更新

最新进展10月27日 12:00

基于规则排序提示的大语言多模态模型零样本晶圆图多分类方法

报道时间线

沿着报道，了解事件的不同侧面。

10月27日

12:00
arXiv cs.AI
基于规则排序提示的大语言多模态模型零样本晶圆图多分类方法
研究提出一种免训练的六类晶圆图缺陷分类框架，结合连通域高亮与形态、位置、排除感知提示词，驱动冻结的大型多模态模型。在 Mixed-WM38（6,866 张图）上达到 92.9% 宏平均与 93.8% 总体准确率，在 WM811K（9,000 张图）上达到 79.1% 与 81.3%。八种替代规则顺序的总体准确率为 90.1%-91.9%，低于所选顺序的 93.8%。

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。