Достаточно ли обучения на рабочем месте для понимания тонкозернистых промышленных аномалий?
arXiv:2610.12310v1 Annualce Type: New Brieflow: Единая мультимодальная большая языковая модель (MLM) пытается одновременно добиться успеха в обнаружении, локализации, описании и обосновании мультимидных промышленных аномалий (MM-IAU). Мы показываем, что обучение на рабочем месте не устраняет этого пробела. Что касается MMAD, широко принятого контрольного показателя MM-IAU, то подготовленные специалисты достигают не более 75,5% точности локализации дефектов по сравнению с 92,3% для экспертов из числа людей и даже обнаруживают аномалии менее точно, чем их неподготовленная базовая модель. Между тем, различные ММЛС обеспечивают дополнительные сильные стороны, но разделяют эту слабость в мелкозернистых представлениях, и поэтому их сочетание не может устранить его. Поэтому мы предлагаем СИГМА, географически закреплённую систему с несколькими агентами, которая разделяет рабочую нагрузку между разнородными агентами MLM и специальным экспертом по визуальным дефектам. Смодальный поисковик предоставляет промышленные знания и обычные справочные данные, эксперт по дефектам превращает сопоставление запросов в калиброванные аномалии; и
