摘要
针对现有视觉语言模型在全景牙科 X 光片分析中缺乏细粒度空间推理与多步验证能力的问题，本文提出 OralGPT-Plus。这是一种代理式视觉语言模型，旨在执行迭代且具备对称感知能力的诊断推理。研究构建了包含专家 curated 诊断轨迹的 DentalProbe 数据集，并提供结构化监督以支持局部检查与对侧比较。此外，开发了基于重检驱动的强化学习框架，利用基于规则的奖励和条件诊断驱动奖励，鼓励具有临床意义的复查并稳定长程推理。同时，推出了首个全景诊断基准 MMOral-X。实验表明，该方法在多个基准上显著优于强基线，证明了交互式与对称感知推理的有效性。
AI 推荐理由
论文核心在于通过强化学习实现迭代式、对称感知的细粒度空间推理与多步诊断验证。
研究机构
香港大学
香港大学牙医学院
北京大学计算机学院
上海交通大学
中国科学院自动化研究所
香港科技大学
香港科技大学（GZ）
论文信息