arXiv · cs.AI· Haonan Wang, Jiaji Mao, Lehan Wang, Qixiang Zhang, Marawan Elbatel, Yi Qin, Huijun Hu, Baoxun Li, Wenhui Deng, Weifeng Qin, Hongrui Li, Jialin Liang, Jun Shen, Xiaomeng Li·· 6 小时前
SyRe通过视觉语言强化实现多临床任务的按需分析
Synergistic Vision-Language Reinforcement Enables Scalable On-Demand Analysis across Diverse Clinical Tasks
arXiv:2505.03380v3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：Haonan Wang, Jiaji Mao, Lehan Wang, Qixiang Zhang, Marawan Elbatel, Yi Qin, Huijun Hu, Baoxun Li, Wenhui Deng, Weifeng Qin, Hongrui Li, Jialin Liang, Jun Shen, Xiaomeng Li
研究任务与主要进展
SyRe是一种文本提示驱动的分割基础模型，通过Synergistic Vision-Language Reinforcement增强视觉与语言表征交互，并用于单目标、多目标和开放式分割。作者构建包含9种模态、229项分割任务和2000万组图像—掩码—描述三元组的SyReData；摘要称该模型在28个未见外部数据集上进行评估，并报告其掩码可用于五个回顾性肿瘤影像队列的影像组学生存分层和预后建模。
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