一种基于主动-被动反馈结合的病理大模型在线微调方法和系统
本申请涉及一种基于主动‑被动反馈结合的病理大模型在线微调方法和系统,包括:当主动反馈标记异常,或语义相似度低于阈值时,标记为难例,依据欧氏距离将难例分为多级:中等,高,极高,在系统空闲时段,按难度权重等比采样难例数据,并混合预设比例的易例数据,冻结模型的Patch特征提取器权重,仅微调多实例学习MIL头部网络,引入历史数据回放与正则化约束,并在MIL头部叠加LoRA模块,其参数更新满足,微调后模型在测试集上性能提升需达到统计学显著差异,方更新权重并归档数据。