免训练零样本晶圆图六类分类框架发布
热点事件持续更新
免训练零样本晶圆图六类分类框架发布
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Tianjian Cao 与 Jun Tao 提出一种免训练的零样本晶圆图六类缺陷分类框架，面向冻结的大型多模态模型，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，该框架取得 92.9% 的 macro 准确率和 93.8% 的总体准确率；在 WM811K（9,000 张图）上，这两项指标分别为 79.1% 和 81.3%。 作者称，八种替代规则顺序的总体准确率为 90.1%-91.9%，均低于所选顺序的 93.8%。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AI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
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%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。