聚时科技（上海）有限公司

本申请涉及半导体检测技术领域，为一种半导体智能化检测方法，具体为一种基于智能体的用于模型训练的方法及装置。本申请通过引入智能体作为核心调度器，构建了任务输入、知识检索、逻辑推理、训练决策、任务下发的闭环工作流。基于智能体的自然语言理解与推理能力，将检测需求映射为精确的任务目标，并基于结构化领域知识库中检索出与当前工序强相关的业务规则和特征描述，从而生成适配的任务参数。相较于传统依赖人工调参的通用训练方式，这种知识驱动的机制不仅显著降低了非算法背景工艺工程师的使用门槛，还有效避免了通用增强策略破坏缺陷空间一致性的问题，从而缩短了模型开发周期并提高了跨场景适应能力。

本申请涉及半导体检测技术领域，为一种半导体芯片检测方法，具体为一种纳米级及不规则形态缺陷识别方法及装置。通过以视觉Transformer作为主干图像编码器，针对纳米级缺陷尺度小、局部纹理弱、边界不连续和高分辨率图像计算量大的特点，对编码器结构进行层级化和局部增强设计：先通过重叠图像块嵌入保留相邻图像块之间的边缘连续性，再通过多级Transformer编码阶段分别提取浅层纹理、中层形态和深层全局语义特征，并将各级输出特征输入特征金字塔模块进行融合；随后设置形变卷积分支提取缺陷轮廓特征，并设置分割输出分支将特征金字塔特征与编码器最后一层语义特征相加融合后输出分割结果，从而实现对纳米级缺陷及不规则形态缺陷的精准识别。