arXiv · cs.AI· Soroosh Tayebi Arasteh, Sebastian Ziegelmayer, Mahshad Lotfinia, Lisa Adams, Sven Nebelung, Jakob Nikolas Kather, Daniel Truhn·· 5 小时前
医学基础模型在标签监督下的一致性较低
Medical foundation models converge less under label supervision
arXiv:2607.20274v3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：Soroosh Tayebi Arasteh, Sebastian Ziegelmayer, Mahshad Lotfinia, Lisa Adams, Sven Nebelung, Jakob Nikolas Kather, Daniel Truhn
研究任务与主要进展
研究者比较了覆盖14个数据集、5种影像模态、18个公开模型及101个医学影像模型，发现不同模型对图像最近邻的重合度较低，且标签监督模型在胸片和病理图像上收敛最少。使用4,096张未标注胸片学习两个模型的线性映射后，14种胸部发现分类器可迁移原模型0.987的AUC；材料据此提出，替换模型前可用未标注图像测试新旧模型是否返回相似最近邻。
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