日期: 2025 年 6 月 23 日

TIP 2025 从噪声图像到精准报告：CMCRL两阶段因果框架重构医疗多模态学习

作者

论文提出CMCRL框架解决放射学报告生成任务中的挑战，包括长序列文本生成、病灶定位和视觉-语言偏倚问题。通过两阶段设计有效捕捉并校正跨模态数据中的偏倚，显著提高准确率和临床可信度。

MonkeyOCR：华科开源高效文档解析模型，精度超越闭源大模型、速度还更快！

作者

华中科技大学开发的MonkeyOCR文档解析模型在OmniDocBench数据集上取得显著成果，相比MinerU、Qwen2.5-VL等开源和闭源大模型，在中文内容识别方面表现出色。该模型采用结构-识别-关系(SRR)三元组方法，并基于大规模标注数据集MonkeyDoc进行训练。