arXiv · cs.AI· Haotian Gan, Yudong Li, Xintian Li, Jiarui Han, Weidong Tang·· 2 天前
ViCoR：用于多模态医学数据选择的反事实残差视觉必要性估计方法
ViCoR: Estimating Visual Necessity via Counterfactual Residuals for Multimodal Medical Data Selection
arXiv:2610.25202v1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：Haotian Gan, Yudong Li, Xintian Li, Jiarui Han, Weidong Tang
研究任务与主要进展
ViCoR提出面向多模态医学视觉语言模型微调的数据选择方法，通过图像依赖优化残差估计样本的视觉必要性，并结合医学监督兼容性和多样性构建训练子集。论文摘要称，在两个骨干模型、四个外部泛化基准和一个多疾病鲁棒性基准上，ViCoR选择的20%子集取得了强于完整数据微调及各选择基线的平均表现；代码计划发布至 https://github.com/htgan-ai/ViCoR，当前仅提供摘要信息。
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