分类 / CATEGORY

论文精读

基于本地 Obsidian 知识库的真实笔记，含方法、结论与个人落地思考；不收录未读或杜撰的来源。

共 10 篇文章

从这里开始 / Selected

Qwen-AgentWorld：面向通用智能体的语言世界模型

Qwen-AgentWorld 用 CPT+SFT+RL 三阶段训练语言世界模型，模拟七类环境动态，在 Agent 基准上最高提升 12.3%，提出世界建模与代理统一/解耦两条路径。

2026年7月1日

Qwen-AgentWorld 用 CPT+SFT+RL 三阶段训练语言世界模型，模拟七类环境动态，在 Agent 基准上最高提升 12.3%，提出世界建模与代理统一/解耦两条路径。

2026年5月19日

PriorRG 利用患者特定先验知识生成胸部 X 光报告，通过两阶段训练（先验引导对比预训练 + 粗到细解码）提升临床准确性与流畅度，在 MIMIC-CXR 上显著优于现有方法。

2025年3月14日

Google 提出的纯注意力机制架构，彻底抛弃 RNN/CNN 的序列建模范式，在机器翻译任务上取得 SOTA 并开启了后续大模型时代的基础架构。

2025年3月14日

OpenAI 提出的对比语言-图像预训练方法，在 4 亿图文对上训练后实现零样本视觉识别，在 30+ 数据集上媲美甚至超越专用监督模型。

2025年3月14日

提出基于 Transformer 的统一多模态表征学习模型，将影像与文本融入同一架构，在肺病识别与预后预测上分别比单模态和分离式方法高出 12% 和 9%。

2025年2月28日

Xiao 等综述梳理医学大模型从监督学习到多模态融合的范式演进、数据集与评估体系，并指出数据隐私与幻觉是临床落地的主要障碍。

2025年2月14日

综述将 LLM 在强化学习中的角色分为信息处理器、奖励设计者、决策者与生成器四类，并讨论样本效率与奖励设计的挑战及机器人/自动驾驶前景。

2024年11月29日

MedSAM-2 沿用 SAM 2 的视频处理哲学，将 2D 切片视作视频帧，实现三维体积的单提示分割与跨时间泛化，在多模态医学影像上优于现有方法。

2024年11月15日

MMedAgent 是首个面向医疗领域的多模态 Agent，通过指令微调自主选择六大工具解决七类任务，性能优于 GPT-4o 且更新成本极低。

2024年11月15日

XrayGPT 冻结医学视觉编码器、线性对齐微调 LLM，构建会话式胸片摘要与问答模型，医生评估超 70% 回复科学准确。