OPERA 框架：无需重新训练的多智能体 biomedical 图像分析
UW · hf · 2026-07-30
提出了一种名为 OPERA (Offline Policy-guided Expert Routing and Adaptation) 的多智能体集成框架，旨在解决生物医学图像分析在真实部署中面临的严重分布偏移（如不同扫描仪、协议和患者群体）问题。
通常情况下，高性能模型需要反复进行特定领域的微调，成本高昂。OPERA 将专家权重的分配视为一个离线策略学习问题：只需从一个小型验证集中学习路由策略，无需对任何专家智能体进行梯度更新，即可在测试时进行自适应以处理分布偏移。
该框架在涵盖眼底照片、X光、CT、MRI等9个数据集上进行了评估，在分类、分割和多模态设置下击败了30多个基线模型，证明了无需重新训练即可部署生物医学 AI 的可行性。
「研究」频道最新
- NeurIPS审稿人失踪引热议：如何应对学术Rebuttal被无视 — grumpket · 2026-07-30
- AIPOCH 开源 550+ 医学研究 Agent 技能库 — tom_doerr · 2026-07-30
- ICSE'26 论文提出新范式：抛弃测试框架的 in-vivo 模糊测试 — moarbugs · 2026-07-30
- LMSYS 推出 Miles 训练栈：原生支持 Blackwell 8-bit 与 4-bit RL — BanghuaZ · 2026-07-30
- NeurIPS 2026 研讨会探讨：智能体如何部署后持续学习且不遗忘 — DanielKhashabi · 2026-07-30
- 蒙特利尔AI发布53页论文：构建加速世界的AI预测框架 — Ghost_Pilot_MD · 2026-07-30