医学视听语言学习新方法提出

发生了什么

arXiv cs.CV于2026年10月21日发布研究，提出一种医学视听语言学习的可扩展模态专家技术。该技术使用ViT-Large骨干网络，结合共享视觉计算和确定性路由的前馈专家，以及独立的文本路径。在九种模态的25项基准测试中，该技术取得24项最佳或并列最佳成绩，包括11项零样本分类、10项线性探测和4项检索。