待验证50% 置信事实精确时间

HAD-VLM在引入扩散预测后，医学问答性能在评测数据集上得以保留。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/26

首次发现

有效期至：2027/1/24

来源

HAD-VLM：用扩散模型破解医疗视觉语言模型的数值离散化难题

涉及实体

相关事实

待验证HAD-VLM提出坐标-长度一致性后处理机制，用端点坐标算出的距离与预测长度相互校验，并结合集成预测精修。71% 相似待验证HAD-VLM采用混合自回归-扩散架构，在共享主干中同时保留自回归文本生成和扩散式连续预测两条通路。69% 相似待验证对于基于标准VLM构建的策略，引入世界建模能稳定带来收益；而对于预训练VLA，解耦式设计的兼容性明显更好。66% 相似待验证论文研究了观测缩放的两个视角：从VLM的公开能力预测其作为智能体的相对表现，以及从早期物理反馈预测后续进展。64% 相似待验证UDLM在下游推理任务上的表现强于MDLM。63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1098322

API

curl https://kongchang.com/api/v1/knowledge/claims/1098322

MCP

get_claim(id=1098322)