基于规则排序提示词的零样本多类别晶圆图分类：面向大型多模态模型

Zero-Shot Multi-Class Wafer Map Classification with Rule-Ordered Prompts for Large Multimodal Models

AI 导读

一种无需训练、面向冻结大型多模态模型的六类晶圆图缺陷分类框架，结合连通域高亮与形态、位置、排除感知提示词。在 Mixed-WM38（6,866 张图）上取得 92.9% macro 与 93.8% 总体准确率，在 WM811K（9,000 张图）上分别为 79.1% 和 81.3%。八种替代规则顺序的总体准确率为 90.1%-91.9%，低于所选顺序的 93.8%。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：晶圆图缺陷分类通常需要标注数据，并且当生产条件变化时需要重新训练。我们提出了一种免训练六类框架，将连通域高亮与形态、位置和排除感知提示相结合，用于冻结的大型多模态模型。在 Mixed-WM38（6,866 张图）上，多区域提示达到 92.9% 的宏平均准确率和 93.8% 的总体准确率。在 WM811K（9,000 张图）上，分别达到 79.1% 和 81.3%。八种备选规则顺序的总体准确率为 90.1-91.9%，而所选顺序为 93.8%。

评论：	7 页，4 幅图，4 张表。预印本版本
主题：	人工智能（cs.AI）
引用为：	arXiv:2610.35080 [cs.AI]
	（或 arXiv:2610.35080v1 [cs.AI] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.35080 arXiv 颁发的 DOI 通过 DataCite（待注册）

提交历史

来自：Cao Tianjian [查看电子邮件]
[v1] 2026 年 10 月 26 日星期一 09:24:24 UTC（405 KB）

来源：arXiv cs.AI · arxiv.org