Singpath-VL 技术报告
计算机视觉与模式识别
2026-02-13 v2
摘要
我们提出了 Singpath-VL，一个视觉-语言大模型，以填补宫颈细胞学中人工智能助手的空白。多模态大语言模型的最新进展极大地推动了计算病理学领域的发展。然而，它们在细胞病理学，特别是宫颈细胞学中的应用仍未得到充分探索，这主要是由于缺乏大规模、高质量的标注数据集。为弥补这一差距，我们首先开发了一种新颖的三阶段流程，用于合成百万级规模的图像-描述数据集。该流程利用多个通用多模态大语言模型作为弱标注器，通过共识融合和专家知识注入来优化其输出，并生成细胞形态的高保真描述。利用该数据集，我们通过多阶段策略微调 Qwen3-VL-4B 模型，以创建一个专门的细胞病理学多模态大语言模型。由此产生的模型，命名为 Singpath-VL，在细粒度形态感知和细胞级诊断分类方面表现出优越的性能。为推进该领域发展，我们将开源部分合成数据集和基准测试。
引用
@article{arxiv.2602.09523,
title = {Singpath-VL Technical Report},
author = {Zhen Qiu and Kaiwen Xiao and Zhengwei Lu and Xiangyu Liu and Lei Zhao and Hao Zhang},
journal= {arXiv preprint arXiv:2602.09523},
year = {2026}
}