Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

InfiMed: Low-Resource Medical MLLMs with Advancing Understanding and Reasoning

Created by
  • Haebom

저자

Zeyu Liu, Zhitian Hou, Guanghao Zhu, Zhijie Sang, Congkai Xie, Hongxia Yang

개요

본 논문은 멀티모달 대형 언어 모델(MLLM)의 의료 분야 적용 시 발생하는 두 가지 주요 문제점(희소한 의료 데이터, RLVR의 신뢰성 부족)을 해결하기 위한 연구를 제시합니다. 이를 위해, 지도 학습 미세 조정(SFT) 단계에서 양질의 텍스트 기반 추론 데이터, 일반 멀티모달 데이터, 그리고 멀티모달 의료 데이터를 함께 사용하고, 반사 패턴 주입 사고 사슬(CoT)을 합성하여 모델의 초기 추론 능력을 강화합니다. InfiMed-SFT-3B 및 InfiMed-RL-3B 모델을 개발하여 7개의 멀티모달 의료 벤치마크에서 SOTA를 달성하였으며, 특히 InfiMed-RL-3B는 InternVL3-8B보다 높은 성능을 보였습니다.

시사점, 한계점

•
시사점:
◦
고품질 데이터 통합을 통한 MLLM의 의료 분야 성능 향상.
◦
반사 패턴 CoT를 활용한 초기 추론 능력 강화.
◦
RLVR 단계의 성공적인 적용 가능성 제시.
◦
InfiMed-SFT-3B 및 InfiMed-RL-3B 모델의 SOTA 달성 및 성능 우위 입증.
•
한계점:
◦
RLVR 단계에서 사용된 샘플 수(36K)에 대한 추가적인 설명 필요.
◦
모델의 일반화 능력에 대한 추가적인 연구 필요.
◦
특정 벤치마크에 대한 상세한 성능 분석 부재.
◦
실제 임상 환경에서의 적용 가능성 검토 미흡.
👍
Made with Slashpage