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。