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
- Adaption AI 员工发布 Colab 笔记本：几行代码“发明”一个数据集 — sarahookr · 2026-09-20
- AUC 仅 0.62 的分类器为何能帮人类发现 6 种新交变磁体 — bravo_abad · 2026-09-20
- 论文《Self-Evolving Search Index》引热议：搜索索引或可自动感知滥用并自我调整 — gaganghotra_ · 2026-09-20
- 研究者的新日常：大部分时间在读模型生成的实验论文 — generativist · 2026-09-20
- FrontierSWE v2 拉开 24 分差距：Claude Fable 5.1 得 56%，GPT-5.6 仅 32% — geoffwolfe · 2026-09-20
- 开发者在 DGX Spark 上跑出 SAE 特征实时 3D 可视化查看器 — leland_mcinnes · 2026-09-20