VITAL: Визуальный и семантический двойной надзор за усовершенствованным и интерпретируемым слабительным расчетом в медицинских MLLM
arXiv: 2605.28422v2 Annuate Type: заменить перекрестное резюме: Латентное рассуждение позволяет рассуждать о постоянных скрытых состояниях, а не явно выраженных символах, избегая языкового узкого места и вывода накладных расходов в связи со схемой мышления для медицинского VQA. Вместе с тем существующие методы страдают от краха системы, недостаточного визуального контроля и несоответствия в уровне подготовки кадров. Более того, их непрозрачные скрытые государства не обеспечивают интерпретируемости, что имеет решающее значение в клинических прикладных целях. Мы предлагаем VITAL, латентно-пространственную аргументацию для медицинских MLLMS с визуальным и семантическим двойным надзором: вспомогательный текстовый декодер восстанавливает цепочку рассуждений из скрытых штатов, в то время как визуальный проектор отвращается от функции замороженного независимого датчика медицинского зрения. Оба модуля отклоняются при выводе с нулевыми накладными расходами, однако они могут быть вновь прикреплены после специальной работы для обеспечения двойной интерпретируемости, обеспечивая текстовое и визуальное объяснение процесса обоснования без ущерба эффективности. Мы составляем 61K данные