CORE-Seg：强化学习推理驱动的复杂病灶分割论文
热点事件持续更新
CORE-Seg：强化学习推理驱动的复杂病灶分割论文
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Yuxin Xie 等在 arXiv 发布论文，提出 CORE-Seg 框架，将视觉与语言推理接入复杂病灶医学图像分割。作者报告其平均 Dice 达 37.06%，较第二名基线高 14.89%，失败率为 18.42%。上述性能数字来自作者报告，仅依据论文摘要，未经独立核验。 该方法包含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，并配套发布 ComLesion-14K，作者称为首个面向推理驱动复杂病灶分割的多样化思维链（CoT）基准。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
CORE-Seg：基于强化学习推理的复杂病灶图像分割报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AICORE-Seg：基于强化学习推理的复杂病灶图像分割
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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。