כתבה
arXiv cs.AI ·
בחינה ושיפור של אופטימיזציה דקנית להעדפות ב-LVMLs רפואיים
Analyzing and Improving Fine-grained Preference Optimization in Medical LVLMs
אופטימיזציה דקנית של העדפות ב-LVMLs רפואיים. המחברים הציגו פרוטוקול חדש לאופטימיזציה של LVLMs רפואיים, FiRe-MPO, שמטרתו לשפר את תפקודם בשאלות רפואיות. הם טענו שהפרוטוקול שלהם משפר את התפקוד של LVLMs רפואיים בשאלות רפואיות, ושהוא יעיל יותר מפרוטוקולים אחרים.
תקציר מקורי באנגליתarXiv:2606.12590v2 Announce Type: replace-cross Abstract: Preference optimization is increasingly used to post-train medical large vision-language models (LVLMs), yet it operates at a much coarser granularity than the one that defines clinical correctness. Whether one response is clinically better than another usually comes down to a few decisive phrases, such as an anatomical laterality or a lesion attribute, and to whether each is supported by the image region the question concerns. Direct Preference Optimization (DPO) and its variants, by contrast, reduce the comparison to a single response-level scalar, an objective structurally unable to represent which tokens carry clinical meaning. We show that this mismatch is costly: of the objectives we compare, response-level DPO places the leas
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית