arXiv · cs.AI· Yuxin Xie, Yuming Chen, Yishan Yang, Yi Zhou, Tao Zhou, Zhen Zhao, Jiacheng Liu, Huazhu Fu·· 5 小时前
CORE-Seg：基于强化学习推理的复杂病灶图像分割
CORE-Seg: Reasoning-Driven Segmentation for Complex Lesions via Reinforcement Learning
arXiv:2603.05911v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yuxin Xie, Yuming Chen, Yishan Yang, Yi Zhou, Tao Zhou, Zhen Zhao, Jiacheng Liu, Huazhu Fu
研究任务与主要进展
CORE-Seg是一种面向复杂病灶图像分割的端到端框架，将视觉与语言推理接入分割任务，作者报告其平均Dice达到37.06%，较第二名基线高14.89%，失败率为18.42%。该方法引入ComLesion-14K链式思维基准，并采用语义引导提示适配器、从SFT到GRPO的渐进训练和自适应双粒度奖励机制；以上内容仅依据论文摘要。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org