用于快速射电暴检测的通才视觉语言模型：针对专用检测器的零样本基准测试

快速射电暴（FRB）是毫秒级的射电瞬变，其自动检测越来越依赖于高度专业化的深度学习模型。这些检测器实现了卓越的性能，但它们需要大量特定于任务的训练数据集，并且无法在不重新训练的情况下重新定义。在这项工作中，我们评估了小型、开放权重、本地运行的通才视觉语言模型（VLM）是否可以在零样本、仅提示的条件下，在动态频谱中检测FRB，无需微调和标记示例，并返回带有自然语言理由的结构化决策。从包含FRB、结构化射频干扰（RFI）和噪声的3000个模拟L波段动态频谱的受控集合中，我们抽取了一个包含2000个样本的平衡二元基准，并将两个这样的VLM（Gemma 4 2B和4B）与最先进的专用检测器SwinYNet进行了逐样本比较。在默认阈值下，Gemma 4 2B达到了93.65%的准确率，与SwinYNet（92.90%）没有统计学显著差异，同时在结构化RFI上显示出显著更低的误报率（6.4%对25.0%），并且在纯噪声上没有误报。SwinYNet在此基准上保持了完美的概率排名（ROC-AUC为1.0000对0.9482），这是零样本VLM仅通过通用预训练所接近的上限。仅重写提示即可将相同的模型重新配置为在全部3000个频谱上进行FRB/RFI/噪声三分类，它们在没有单个虚假FRB的情况下达到了高达86%的准确率。