MedLayBench-V：医学视觉语言模型中专家-外行语义对齐的大规模基准测试
计算与语言
2026-04-08 v1
摘要
医学视觉语言模型（Med-VLM）已在诊断影像解读方面达到了专家级水平。然而，当前模型主要基于专业文献进行训练，限制了其在患者中心护理所需的外行表达层面传达发现的能力。虽然以文本为中心的研究已积极开发了简化医学术语的资源，但目前仍缺乏用于促进外行可访问的医学图像理解的大规模多模态基准测试。为弥补这一资源缺口，我们提出了 MedLayBench-V，这是首个专注于专家-外行语义对齐的大规模多模态基准测试。与可能导致幻觉的朴素简化方法不同，我们的数据集通过结构化概念约束优化（SCGR）流程构建。该方法通过将统一医学语言系统（UMLS）概念唯一标识符（CUIs）与微观层面的实体约束相结合来强制严格的语义等价性。MedLayBench-V 为训练和评估下一代能够弥合临床专家与患者之间沟通鸿沟的 Med-VLM 提供了一个经过验证的基础。
引用
@article{arxiv.2604.05738,
title = {MedLayBench-V: A Large-Scale Benchmark for Expert-Lay Semantic Alignment in Medical Vision Language Models},
author = {Han Jang and Junhyeok Lee and Heeseong Eum and Kyu Sung Choi},
journal= {arXiv preprint arXiv:2604.05738},
year = {2026}
}
备注
Accepted at ACL 2026 Findings (Oral). 9 pages, 5 figures, 11 tables, plus appendix