千万张细胞图训练的 CROWN 力压百倍数据病理大模型
bravo_abad · x · 2026-09-19
Zheng 等人发布 CROWN,一个用 1000 多万张细胞学图像自监督预训练(无需人工标注)的病理基础模型,专注学习游离细胞与小细胞团的视觉特征,与标准组织病理的形态截然不同。
在 12 个公开细胞学数据集上,CROWN 平均准确率达 0.886,超过在 1 亿多组织病理切片上预训练的 UNI(0.874)和 6.32 亿参数、150 万张全切片图像训练的 Virchow(0.848)。
结论:预训练数据与目标领域的匹配度可能比数据规模更关键,更多数据不自动带来更好的科学基础模型。
「研究」频道最新
- PixelBench：用逐像素生成取代 QA,重新测多模态模型 — bdsqlsz · 2026-11-04
- Chollet 提问:单细胞如何仅靠基因组信息把自己连成大脑 — CatAstro_Piyush · 2026-11-04
- OffsecCyber 数据集发布：整合 HackerOne 报告与 CVE 训练渗透测试 LLM — AccBalanced · 2026-11-04
- 研究：「单次事实」占比决定 LLM 科学发现能力 — CatAstro_Piyush · 2026-11-04
- 把 TPU 编译进 Qwen 权重：0.8B 模型跑出精确矩阵乘法 — CatAstro_Piyush · 2026-11-04
- Jev 模型提升 LLM 上下文学习示例检索，蒸馏 MLP 降开销 — kalyan_kpl · 2026-11-04