这项由百川公司（Baichuan Inc.）团结北京大学第一医院皮肤科、清华大学生物医学工程学院和香港大学配合完成的突破性研究，，，，， ，，于2026年1月揭晓在盘算机视觉领域顶级聚会论文集中，，，，， ，，论文编号为arXiv:2601.09136v1。 。。 。。 。。有兴趣深入相识的读者可以通过该编号盘问完整论文。 。。 。。 。。这项研究效果倾覆了人们对AI模子"越大越好"的古板认知，，，，， ，，证实晰巧妙的设计比纯粹的参数堆叠更为主要。 。。 。。 。。
想象你去看皮肤科医生，，，，， ，，医生需要仔细视察你皮肤上的每一个细节——颜色、形状、纹理、界线等等，，，，， ，，然后团结这些视觉线索做出准确诊断。 。。 。。 。。古板的AI模子就像一个注重力不集中的实习医生，，，，， ，，虽然看了许多资料（拥有海量参数），，，，， ，，但在视察皮肤病变时总是被无关的配景信息疏散注重力，，，，， ，，无法准确识别要害的病理特征。 。。 。。 。。
百川公司的研究团队发明了一个令人震惊的征象：那些参数高达数千亿的超大型AI模子，，，，， ，，在皮肤病诊断使命上的体现竟然还不如他们全心设计的70亿参数小模子。 。。 。。 。。这就好比一个影象力超强但不会重点视察的学生，，，，， ，，反而输给了一个善于抓重点的智慧学生。 。。 。。 。。这种征象的基础缘故原由在于，，，，， ，，古板AI模子保存"弥散注重力"问题——它们无法有用区分要害的病理特征和无关的配景噪音。 。。 。。 。。
更令人惊喜的是，，，，， ，，研究团队不但让他们的小模子在Fitzpatrick17k这个权威皮肤病诊断基准测试中创立了新纪录，，，，， ，，Top-1准确率提升了12.06%，，，，， ，，Top-6准确率更是暴涨28.57%，，，，， ，，逾越了包括GPT-5.2在内的所有竞争敌手。 。。 。。 。。这意味着当医生需要从AI推荐的前6个诊断候选中选择时，，，，， ，，百川的模子能提供更准确、更有价值的诊断建议。 。。 。。 。。
一、信息传输的艺术：将诊断历程重新界说
百川研究团队提出了一个全新的视角来明确AI皮肤病诊断：将整个历程看作一个信息压缩息争码系统。 。。 。。 。。这个比喻很是形象——就像我们用压缩软件处置惩罚照片一样，，，，， ，，AI模子需要将皮肤病图像中的海量像素信息压缩成高质量的特征体现，，，，， ，，然后再将这些特征解码成准确的诊断效果。 。。 。。 。。
在这个信息传输历程中，，，，， ，，研究团队识别出两种差别类型的视觉信息。 。。 。。 。。第一种是"可形貌特征"，，，，， ，，好比红斑的颜色、皮疹的形状、病变的巨细等，，，，， ，，这些都是医生可以用语言清晰形貌的临床征象。 。。 。。 。。第二种是"不可形貌特征"，，，，， ，，指那些玄妙的病理纹理和视觉模式，，，，， ，，虽然人眼能够感知，，，，， ，，但很难用准确的语言表达出来。 。。 。。 。。
古板AI模子的问题在于无法有用平衡这两种信息的处置惩罚。 。。 。。 。。它们要么太过依赖可形貌的外貌特征而忽略了深层的病理模式，，，，， ，，要么在处置惩罚重大视觉信息时爆发信息瓶颈，，，，， ，，导致要害诊断线索的丧失。 。。 。。 。。百川团队的解决计划是设计一个两阶段的训练战略，，，，， ，，划分优化这两种信息的传输效率。 。。 。。 。。
这种信息传输的看法带来了一个主要启示：AI模子的诊断能力不但取决于它记着了几多医学知识（参数数目），，，，， ，，更要害的是它能否高效地从医学图像中提取和传输有价值的视觉信息。 。。 。。 。。这就诠释了为什么百川的70亿参数模子能够击败那些参数目凌驾200亿的巨型模子——不是由于它知道得更多，，，，， ，，而是由于它看得更准。 。。 。。 。。
二、虚拟宽度动态视觉编码器：让AI拥有"火眼金睛"
百川研究团队的焦点立异是一个叫做"虚拟宽度动态视觉编码器"（DVE）的手艺。 。。 。。 。。为了明确这项手艺的巧妙之处，，，，， ，，我们可以用照相机的比喻来诠释。 。。 。。 。。
古板的AI视觉系统就像一台牢靠焦距的老式相机，，，，， ，，无论拍摄什么场景都使用相同的参数设置。 。。 。。 。。当这种"相机"视察皮肤病变时，，，，， ，，它无法凭证差别病变的特点调解自己的"拍摄参数"，，，，， ，，因此经常泛起重点不突出、配景滋扰严重的问题。 。。 。。 。。
而百川团队设计的DVE手艺则像一台智能的自动对焦相机，，，，， ，，能够凭证视察工具的差别特点动态调解自己的"镜头参数"。 。。 。。 。。当它检测到皮肤上的红斑时，，，，， ，，会自动优化颜色感知能力；；；；；；当它发明可疑的界线时，，，，， ，，会增强边沿检测敏感度；；；；；；当它遇到重大的纹理模式时，，，，， ，，会挪用专门的纹理剖析"镜头"。 。。 。。 。。
这种动态调解能力的实现基于一个叫做FDLinear（频率动态线性层）的立异手艺。 。。 。。 。。研究团队将古板的静态权重矩阵转换为多个频率域的动态基础矩阵。 。。 。。 。。简朴来说，，，，， ，，就是将一个"万能工具"剖析为多个"专用工具"，，，，， ，，然后凭证详细使命的需要动态组合这些专用工具。 。。 。。 。。
这种设计的巧妙之处在于实现了"虚拟扩容"。 。。 。。 。。虽然物理参数没有增添几多（特殊开销不到5%），，，，， ，，但模子的几何表征能力却获得了指数级的提升。 。。 。。 。。这就像一个魔术师的工具箱，，，，， ，，看起来很小� 。。 。。 。。�，， ，，但通过巧妙的组合可以变出无数种差别的道具。 。。 。。 。。
为了验证这种"虚拟扩容"的效果，，，，， ，，研究团队在经典的非线性可分问题（如螺旋线、同心圆等）上举行了测试。 。。 。。 。。效果显示，，，，， ，，古板的静态层只能实现约50%的准确率，，，，， ，，基本等同于随机推测，，，，， ，，而DVE手艺能够完善地解决这些重大的几何疏散问题。 。。 。。 。。这证实晰DVE确实能够"睁开"重大的视觉流形，，，，， ，，让原本纠缠在一起的特征变得线性可分。 。。 。。 。。
三、两阶段强化学习：先学形貌再学诊断
百川团队接纳了一个类似医学院学生作育的两阶段训练战略。 。。 。。 。。就像医学生需要先学会准确形貌病理征象，，，，， ，，再学会综合剖析做出诊断一样，，，，， ，，AI模子也需要分办法掌握这两种差别的手艺。 。。 。。 。。
第一阶段被称为"语义对齐与压缩"阶段。 。。 。。 。。在这个阶段，，，，， ，，模子的使命是学会用标准的医学语言准确形貌皮肤病变的种种特征。 。。 。。 。。研究团队网络了约5000张皮肤病图像，，，，， ，，并为每张图像制作了却构化的医学形貌标签。 。。 。。 。。这些标签包括颜色、位置、形状、病变类型、数目、巨细、质地、界线特征、外貌特征、漫衍特征和周围特征等12个要害维度。 。。 。。 。。
模子在这个阶段的训练目的是将重大的视觉信息压缩成这些可以用语言表达的医学特征。 。。 。。 。。这个历程就像训练一个医学生学会用专业术语准确形貌看到的症状。 。。 。。 。。为了确保形貌质量，，，，， ，，研究团队设计了一个基于大语言模子的奖励机制，，，，， ，，对每个形貌维度举行0-10分的评分，，，，， ，，只有抵达6分以上才被以为是及格的形貌。 。。 。。 。。
第二阶段被称为"诊断细化与解码"阶段。 。。 。。 。。在掌握了准确形貌的基础上，，，，， ，，模子最先学习将这些显性特征与隐性的病理纹理相团结，，，，， ，，做出最终的诊断判断。 。。 。。 。。这个阶段的训练不再使用古板的监视学习要领，，，，， ，，而是接纳强化学习手艺。 。。 。。 。。
强化学习的优势在于能够处置惩罚医学诊断中的一个主要现实：统一种疾病往往有多个差别的医学名称或表达方法。 。。 。。 。。古板的监视学习需要标签完全匹配才以为是准确谜底，，，，， ，，但强化学习可以通过奖励函数无邪地评估语义等价的差别表达。 。。 。。 。。这就像考试时不但认可标准谜底，，，，， ，，也认可其他合理的表达方法。 。。 。。 。。
在诊断阶段的奖励设计中，，，，， ，，研究团队接纳了位置权重战略。 。。 。。 。。模子需要输出Top-K个最可能的诊断候选� 。。 。。 。。�，， ，，若是准确谜底泛起在第一位，，，，， ，，获得最高奖励；；；；；；泛起在第二位，，，，， ，，获得稍低奖励，，，，， ，，以此类推。 。。 。。 。。这种设计勉励模子不但要找到准确谜底，，，，， ，，还要将最可能的谜底排在最前面，，，，， ，，这对临床实践具有主要意义。 。。 。。 。。
四、注重力机制的华美转身：从全局扫描到精准定位
研究团队通过详细的注重力可视化剖析展现了他们的要领怎样基础改变AI模子的"视察方法"。 。。 。。 。。这种剖析就像给AI模子装上了"眼球追踪器"，，，，， ，，让我们能够清晰地看到模子在诊断时究竟在关注什么。 。。 。。 。。
古板大型语言视觉模子的注重力模式就像一个缺乏履历的医学生，，，，， ，，面临皮肤病变时眼光游移未必，，，，， ，，既看病变自己，，，，， ，，也大宗关注周围的康健皮肤和配景信息。 。。 。。 。。在研究团队的可视化效果中，，，，， ，，这些模子的注重力热力争泛起出显着的"弥散"特征，，，，， ，，注重力权重普遍漫衍在整个图像区域，，，，， ，，没有明确的重点。 。。 。。 。。
相比之下，，，，， ，，经由百川团队优化的模子展现出截然差别的注重力模式。 。。 。。 。。它们的注重力就像履历富厚的皮肤科专家，，，，， ，，能够精准锁定要害的病理区域，，，，， ，，对无关配景险些置若罔闻。 。。 。。 。。在注重力热力争中，，，，， ，，这体现为高度集中的"热门"，，，，， ，，准确笼罩皮肤病变区域，，，，， ，，而周围区域则坚持"冷静"。 。。 。。 。。
更令人印象深刻的是注重力权重漫衍的统计剖析。 。。 。。 。。研究团队统计了500个测试样本中所有注重力权重的漫衍情形，，，，， ，，发明了一个显著的"右移"征象。 。。 。。 。。古板模子的注重力权重主要集中在0.00到0.01的低值区间，，，，， ，，这意味着模子对大部分区域都只是"随便看看"，，，，， ，，没有强烈的关注重点。 。。 。。 。。
而百川团队的模子则体现出完全差别的漫衍模式：低权重区间的频次大幅镌汰，，，，， ，，高权重区间（大于0.06）的频次显著增添。 。。 。。 。。这种漫衍转变反应了一个质的转变——从不确定的全局扫描转向高置信度的精准诊断推理。 。。 。。 。。
这种注重力模式的改变不但仅是手艺指标的提升，，，，， ，，更代表了AI诊断头脑方法的根天性前进。 。。 。。 。。古板模子的弥散注重力类似于"撒网式"视察，，，，， ，，希望通过笼罩更多信息来填补判断力的缺乏。 。。 。。 。。而优化后的模子则接纳"聚焦式"视察，，，，， ，，能够迅速识别并专注于最要害的诊断证据。 。。 。。 。。
五、临床导向的评估系统：让AI评估更贴近医疗现实
百川研究团队在评估要领上也举行了主要立异，，，，， ，，提出了一套更切合临床实践的评价标准。 。。 。。 。。古板的AI评估要领接纳严酷的标签匹配原则，，，，， ，，就像考试中的标准谜底一样，，，，， ，，只有完全一致才算准确，，，，， ，，任何误差都被视为过失。 。。 。。 。。但这种评估方法在医学领域保存显着缺陷。 。。 。。 。。
在真实的医疗情形中，，，，， ，，疾病诊断往往具有条理性和相关性。 。。 。。 。。好比，，，，， ，，若是准确诊断是"特应性皮炎"，，，，， ，，而AI模子给出"湿疹"的诊断，，，，， ，，从古板评估角度这是过失谜底，，，，， ，，但从临床角度这是完全可以接受的，，，，， ，，由于特应性皮炎自己就是湿疹的一种亚型，，，，， ，，在治疗偏向上是一致的。 。。 。。 。。
研究团队设计的新评估系统思量了疾病的分层结构和临床意义。 。。 。。 。。准确的诊断不但包括完全匹配的情形，，，，， ，，还包括医学上等价的同义词、缩写形式，，，，， ，，以及临床上有用的子类或父类诊断。 。。 。。 。。这就像考试评分时不但认可标准谜底，，，，， ，，也认可其他医学上准确的表达方法。 。。 。。 。。
这套评估系统特殊重视诊断清静性。 。。 。。 。。若是AI模子的展望跨越了要害的临床界线——好比将恶性肿瘤误诊为良性病变，，，，， ，，或将熏染性疾病误判为非熏染性疾病——这种过失会被严酷处分，，，，， ，，体现了医学"首先不危险"的基来源则。 。。 。。 。。
通过这种越发贴近临床实践的评估要领，，，，， ，，百川团队证实晰他们的模子不但在手艺指标上体现优异，，，，， ，，更主要的是在临床适用性方面具有显著优势。 。。 。。 。。这种评估思绪的立异为医疗AI的生长提供了新的标准和偏向。 。。 。。 。。
六、实验效果：小模子的大胜利
百川团队在两个主要数据集上举行了周全的性能测试，，，，， ，，效果令人震撼。 。。 。。 。。第一个是果真的Fitzpatrick17k数据集，，，，， ，，这是皮肤病AI诊断领域的权威测试基准，，，，， ，，包括了普遍的皮肤病类型。 。。 。。 。。第二个是他们自建的专家验证数据集，，，，， ，，由三甲医院具有五年以上临床履历的皮肤科医生自力审核和标注。 。。 。。 。。
在Fitzpatrick17k数据集上，，，，， ，，百川的70亿参数模子取得了29.19%的Top-1准确率，，，，， ，，相比最强的比照模子GPT-5.2提升了10.95%，，，，， ，，相比参数目达2350亿的Qwen3VL模子提升了12.06%。 。。 。。 。。更令人印象深刻的是Top-6准确率的体现，，，，， ，，抵达了71.16%，，，，， ，，比Qwen3VL模子横跨28.57%。 。。 。。 。。这意味着在临床最常用的候选诊断列表中，，，，， ，，百川模子能提供越发准确和有价值的建议。 。。 。。 。。
在专家验证的内部数据集上，，，，， ，，百川模子同样体现精彩。 。。 。。 。。虽然GPT-5.2在Top-1准确率上略有优势（39.11% vs 36.63%），，，，， ，，但百川模子在Top-2到Top-6的所有指标上都显著逾越了GPT-5.2。 。。 。。 。。特殊是Top-6准确率抵达了79.21%，，，，， ，，远超GPT-5.2的68.81%和Qwen3VL的64.00%。 。。 。。 。。
这种性能差别的意义远超数字自己。 。。 。。 。。在真实的临床场景中，，，，， ，，医生很少会只依据AI的第一个诊断建议做决议，，，，， ，，更多时间会参考AI提供的多个候选诊断举行综合判断。 。。 。。 。。百川模子在Top-2到Top-6指标上的周全领先，，，，， ，，意味着它能为医生提供更周全、更可靠的诊断参考，，，，， ，，这对镌汰误诊和漏诊具有主要价值。 。。 。。 。。
值得注重的是，，，，， ，，百川模子的参数效率极高。 。。 。。 。。它用仅仅70亿个参数就击败了那些参数目凌驾200亿甚至2000多亿的巨型模子，，，，， ，，这充分证实晰"精巧设计胜过暴力堆叠"的手艺理念。 。。 。。 。。这种高效性不但降低了盘算本钱，，，，， ，，也为模子在现实医疗情形中的安排创立了更好的条件。 。。 。。 。。
七、手艺细节的精妙之处
百川团队在手艺实现上的每一个细节都体现了深图远虑的设计。 。。 。。 。。他们选择Qwen2.5-VL-Instruct-7B作为基础模子，，，，， ，，这自己就是一个经由大规模预训练的优异多模态模子。 。。 。。 。。在此基础上，，，，， ，，他们在视觉Transformer的第8层、第16层、第24层和第32层的多层感知机中用FDLinear算子替换了古板的静态线性层。 。。 。。 。。
FDLinear算子的设计巧妙地平衡了性能提升和盘算本钱。 。。 。。 。。研究团队将频谱基的数目设定为输入维度的一半，，，，， ，，这样既能提供足够的表征能力，，，，， ，，又阻止了太过的参数膨胀。 。。 。。 。。整个动态视觉编码器的特殊参数开销控制在原始视觉编码器的5%以内，，，，， ，，这种高效性为手艺的现实应用涤讪了基础。 。。 。。 。。
在训练战略上，，，，， ，，两个阶段使用了差别的学习率设置。 。。 。。 。。第一阶段接纳1×10??的学习率举行医学形貌学习，，，，， ，，使用余弦预热战略确保训练稳固。 。。 。。 。。第二阶段从第一阶段的检查点继续训练，，，，， ，，使用更小的学习率5×10??举行强化学习优化。 。。 。。 。。这种渐进式的训练战略确保了模子能够逐步掌握从形貌到诊断的重大映射关系。 。。 。。 。。
整个强化学习流程基于VERL框架实现，，，，， ，，接纳GRPO（群组相对政策优化）算法。 。。 。。 。。这种算法的优势在于不需要单独的评价网络，，，，， ，，通过在候选输出组内举行相对较量来稳固训练历程。 。。 。。 。。这种设计既提高了训练效率，，，，， ，，又包管了优化历程的稳固性。 。。 。。 。。
八、局限性与未来展望
百川团队在论文中坦诚地讨论了他们研究的局限性，，，，， ，，这种学术忠实值得赞赏。 。。 。。 。。首先，，，，， ，，他们认可模子可诠释性方面尚有待进一步刷新。 。。 。。 。。在第二阶段训练后，，，，， ，，模子倾向于天生更精练的诊断说明，，，，， ，，这虽然提高了效率，，，，， ，，但可能影响医生明确模子的推理历程。 。。 。。 。。未来他们妄想与皮肤科医生相助，，，，， ，，设计更系统的可诠释性评估指标。 。。 。。 。。
其次，，，，， ，，研究中使用的图像主要是在相对简朴的配景条件下拍摄的，，，，， ，，这可能限制了模子在重大真真相形中的体现。 。。 。。 。。在现实的医疗场景中，，，，， ，，患者可能在种种光照条件、配景情形下拍摄皮肤照片，，，，， ，，模子需要具备更强的情形顺应能力。 。。 。。 。。研究团队体现将扩展数据集，，，，， ，，包括更多样化的拍摄情形，，，，， ，，以提高模子的鲁棒性和泛化能力。 。。 。。 。。
只管保存这些局限性，，，，， ，，这项研究为医疗AI领域开发了新的手艺路径。 。。 。。 。。它证实晰通过优化信息传输效率和几何表征能力，，，，， ，，小参数模子能够在专业医疗使命上逾越大参数通用模子。 。。 。。 。。这种"专精胜过泛化"的理念不但在皮肤科诊断中获得验证，，，，， ，，也可能为其他视觉麋集型医疗专科（如病理学、放射学）的AI应用提供借鉴。 。。 。。 。。
研究团队体现，，，，， ，，他们正在探索将这种压缩-解码框架推广到更多医学影像诊断使命中。 。。 。。 。。未来可能会看到基于类似原理的AI系统在肺部CT诊断、眼底疾病筛查、皮肤镜检查等领域施展作用，，，，， ，，为更多患者提供准确、实时的诊断辅助。 。。 。。 。。
说究竟，，，，， ，，百川公司的这项研究告诉我们一个主要原理：在AI生长的蹊径上，，，，， ，，智慧的设计往往比蛮力的堆叠更有用。 。。 。。 。。他们用70亿参数的"小"模子击败了2350亿参数的"巨无霸"，，，，， ，，不是由于事业，，，，， ，，而是由于他们找到了问题的实质——怎样让AI真正"看懂"医学影像中的要害信息。 。。 。。 。。这种突破不但推动了皮肤病AI诊断手艺的生长，，，，， ，，更为整个医疗AI领域提供了新的思绪和偏向。 。。 。。 。。
关于通俗人来说，，，，， ，，这项研究意味着什么呢？？？ ？？它意味着未来我们可能拥有更准确、更高效、本钱更低的AI医疗助手。 。。 。。 。。当你嫌疑皮肤上的某个转变可能有问题时，，，，， ，，只需要拍一张照片，，，，， ，，就能获得专业水平的起源诊断建议。 。。 。。 。。更主要的是，，，，， ，，这种手艺的高效性使得它有望在下层医疗机构和偏远地区获得普及，，，，， ，，让更多人能够享受到高质量的医疗效劳。 。。 。。 。。这不是遥不可及的科幻场景，，，，， ，，而是正在变为现实的手艺前进。 。。 。。 。。
Q&A
Q1：百川公司的SkinFlow模子为什么只用70亿参数就能击败2350亿参数的大模子？？？ ？？
A：要害在于百川团队重新界说了问题实质。 。。 。。 。。他们发明皮肤病诊断的要害不在于记着更多知识（参数数目），，，，， ，，而在于能否高效提取和传输要害视觉信息。 。。 。。 。。他们的虚拟宽度动态视觉编码器能凭证差别病变特点动态调解"视察参数"，，，，， ，，就像智能相性能自动对焦一样，，，，， ，，实现了从不确定的全局扫描到高置信度精准诊断的转变。 。。 。。 。。
Q2：两阶段强化学习训练是怎样事情的？？？ ？？
A：类似医学生的作育历程，，，，， ，，先学形貌再学诊断。 。。 。。 。。第一阶段让模子学会用标准医学语言准确形貌皮肤病变的颜色、形状、位置等12个要害特征，，，，， ，，相当于压缩显性信息。 。。 。。 。。第二阶段在此基础上学习团结隐性病理纹理做出诊断判断，，，，， ，，接纳强化学习处置惩罚医学术语的多样性表达，，，，， ，，比古板监视学习更无邪。 。。 。。 。。
Q3：这项手艺什么时间能在现实医疗中使用？？？ ？？
A：从手艺成熟度看已经具备应云境旅馆治理有限公司用基础� 。。 。。 。。�，， ，，模子在权威测试中体现优异，，，，， ，，参数效率高便于安排。 。。 。。 。。但研究团队提到还需要刷新模子可诠释性，，，，， ，，并扩展训练数据以顺应更重大的拍摄情形。 。。 。。 。。预计经由进一步优化后，，，，， ，，这种手艺有望在下层医疗机构和远程医疗场景中率先应用，，，，， ，，为皮肤病起源筛查提供辅助。 。。 。。 。。