热点事件持续更新
SCALE：用合成一致性校准病理基础模型
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026 年 10 月 1 日，arXiv cs.CV 上的一项研究提出 SCALE 方法：在嵌入向量空间利用合成一致性信号，对病理基础模型进行校准，无需收集多位标注者的标签。研究评估了八个病理基础模型，发现低一致性病例的校准误差始终高于高一致性病例，而总体 ECE 看不出这一差异。在包含 7 位病理医生标注的 MHIST 数据集上，SCALE 恢复了大部分真实一致性标签平滑带来的校准增益，并显著降低低一致性病例的 ECE，同时区分度保持不变。目前尚无其他后续报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
SCALE 用嵌入空间合成一致性信号校准病理基础模型，无需多标注者标签，显著降低低一致性病例 ECE。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv cs.CVSCALE：在嵌入向量空间用一致性标注实现病理基础模型合成校准
SCALE 用嵌入向量空间的合成一致性信号校准病理基础模型，无需收集多标注者标签。研究评估八个病理基础模型，发现低一致性病例的校准误差始终高于高一致性病例，总体 ECE 看不出这一差异。在含 7 位病理医生标注的 MHIST 上，它恢复了大部分真实一致性标签平滑的校准增益并显著降低低一致性 ECE，区分度保持不变。
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。