Препринт I²-Med описывает метод, который во время генерации медицинского ответа оценивает, подтверждается ли каждое слово изображением и согласуется ли оно с текущим рассуждением. Авторы сообщают, что такая коррекция уменьшает визуальные галлюцинации; это заявление пока не подтверждено независимыми тестами. Препринт на arXiv.
Визуальная проверка влияет на выбор слов
Модуль визуального контроля сопоставляет кандидатов в слова с медицинским изображением и ходом рассуждения, а затем корректирует их оценки в пользу вариантов, которые лучше обоснованы изображением. По описанию авторов, параметры базовой модели при этом не меняются. I²-Med объединяет эту калибровку логитов во время инференса со структурированным рассуждением на основе GRPO.
Что заявлено об экспериментах
В аннотации авторы сообщают об оценке на OmniMedVQA: эксперименты охватывают восемь модальностей медицинской визуализации и пять типов клинических вопросов. По их утверждению, метод создаёт более клинически осмысленные и визуально обоснованные цепочки рассуждений и снижает число визуальных галлюцинаций по стандартным метрикам medical VQA.
Результаты не подтверждают клиническую пригодность
Экспериментальные выводы сообщены авторами препринта; независимого подтверждения и данных о клинической пригодности нет. В доступном описании также не приведены стоимость и полный набор условий воспроизведения, поэтому оценить переносимость результатов на практическое применение нельзя. Дата в тексте препринта — 25 июня 2026 года, а метаданные находки arXiv указывают 20 октября; дата первого появления работы по этим сведениям не установлена.
