待验证50% 置信事实精确时间

CONCH采用视觉-语言对比学习，将病理图像与病理报告文本对齐；UNI2-h基于大规模病理图像的自监督预训练

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

状态感知交互MIL：从病理切片预测罕见联合分子表型

涉及实体

CONCHmodel UNI2-hmodel

相关事实

待验证一篇arXiv新论文选择医学图像对齐评估作为测试前沿多模态大语言模型通用视觉推理能力的场景68% 相似待验证数十亿的图像-文本对训练数据使模型能学习更精细的视觉表征64% 相似待验证该研究挑战了医学视觉问答必须对视觉语言模型进行医学领域针对性训练的传统假设62% 相似待验证目前人工视觉评估仍是医学图像对齐判断的金标准和最常用方法，但依赖训练有素的操作员，在大规模数据集上难以扩展62% 相似待验证文本嵌入将角色视觉特征编码为高维向量直接注入模型，无需额外训练，推理更快但对参考图质量和数量要求更高61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983428

API

curl https://kongchang.com/api/v1/knowledge/claims/983428

MCP

get_claim(id=983428)