研究者发布CORE-Seg病变分割框架与ComLesion-14K基准
热点事件持续更新
研究者发布CORE-Seg病变分割框架与ComLesion-14K基准
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
研究者 Yuxin Xie 等提出端到端框架 CORE-Seg，将推理与复杂病变分割结合，并发布其称为首个面向推理驱动复杂病变分割的思维链基准 ComLesion-14K。该框架通过语义引导提示适配器衔接推理与分割，采用从 SFT 到 GRPO 的渐进训练策略，并用自适应双粒度奖励机制缓解奖励稀疏问题。 论文报告称，CORE-Seg 在复杂病变分割上平均 Dice 为 37.06%，比第二优基线高 14.89%，失败率降至 18.42%。这些数字为作者报告的结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
CORE-Seg：基于强化学习的推理驱动复杂病变分割报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.AICORE-Seg：基于强化学习的推理驱动复杂病变分割
研究者提出 CORE-Seg 端到端框架，通过语义引导提示适配器将推理与分割结合，并采用从 SFT 到 GRPO 的渐进训练策略与自适应双粒度奖励机制缓解奖励稀疏问题。该方法平均 Dice 达 37.06%，比第二优基线高 14.89%，失败率降至 18.42%。同时发布首个推理驱动复杂病变分割的 CoT 基准 ComLesion-14K。
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。