arXiv cs.AI· Bhaskar Gurram·· 10 小时前AI 评分42
反事实病灶擦除训练让小型医疗视觉语言智能体只报告图像所见
Seeing Is Not Believing: Counterfactual Lesion Erasure Teaches a Small Medical Vision-Language Agent to Report Only What the Image Shows
AI 导读
研究者用公开分割数据集构建反事实视图（病灶修复擦除、同形状对照编辑、无病灶原图），训练出 MedScope-4B（基于 Qwen3.5-4B、LoRA、图像工具）。
正文 · AI 翻译
摘要：医学视觉语言模型（VLM）常常因为问题中提到了某个发现就报告该发现；标准基准测试忽略了这一点。我们从公开分割数据集中构建无需人工标注的反事实视图：通过修复擦除病灶、在其他位置进行同形状的对照编辑，以及未经编辑的无病灶图像。证据敏感性差距（ESG）是擦除后回答为缺失或指代的比例减去对照编辑后该比例；对于忽略图像或对两种编辑反应相同的模型，该值为零。MedScope-4B（Qwen3.5-4B、LoRA、图像工具）在标签衍生的轨迹上训练，按预注册规则选择，并仅一次针对九个前沿模型和六个开源 VLM 进行测试；随后四项预注册检查探究了其机制。在涵盖五种成像类型的 507 个内部病例上，MedScope-4B 达到 ESG 0.758，并在 9.6% 的病例中声称存在已被擦除的病灶，而前沿模型为 0.27-0.47 和 41-62%（所有 p<0.001），且在真实病灶上的准确率没有显著损失。没有反事实视图时，ESG 降至 0.279+-0.107（三个随机种子）；该效应在 MedGemma 1.5 4B 和两个未见过的修复工具上得到复现。在四个外部中心，该优势得以保持，但前沿模型检测到更多真实病灶；在一项新的外部测试中，MedScope-4B 在 48 张气胸片中检测到 0 张，净效用低于 gemini-4-argon（-0.36 [-0.50, -0.23]）。未证明匹配对照编辑有影响；在三个随机种子上，未确立相对于基于移除的 DPO 的新外部 ESG 优势；配对视图一致性目标未胜过匹配计算量的对照，而仅该延续在每个随机种子上都减少了未见工具上的擦除病灶声称，代价是在一个种子上损失了敏感性。在擦除和编辑图像上训练，使小模型获得了一种提示无法赋予前沿模型的证据门控倾向；它并未改善感知，罕见的危重发现需要覆盖。
| 评论： | 28 页，1 幅图，13 张表。预印本 v1.0；读者研究进行中。代码、数据配方、预注册和逐视图输出：此 https URL |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；计算机视觉与模式识别（cs.CV） |
| ACM 分类： | I.2.10；I.4.8；J.3 |
| 引用为： | arXiv:2611.13006 [cs.AI] |
| （或本版本引用 arXiv:2611.13006v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2611.13006 arXiv 通过 DataCite 颁发的 DOI（待注册） |
提交历史
来自：Bhaskar Gurram [查看电子邮件]
[v1]
2026 年 11 月 8 日星期日 23:09:18 UTC（1,706 KB）
来源：arXiv cs.AI · arxiv.org