PathMem：迈向认知对齐的病理学多模态大模型记忆转化

计算病理学要求视觉模式识别与结构化领域知识的动态整合。尽管多模态大语言模型具备强大的推理能力，但缺乏显式的结构化知识整合与可解释的记忆控制机制。受人类病理学家层级记忆过程启发，本文提出 PathMem，一种以记忆为中心的多模态框架。该框架将结构化病理知识组织为长期记忆，并引入记忆 Transformer 建模从长期记忆到工作记忆的动态转化，通过多模态记忆激活与上下文感知知识接地，实现下游推理的上下文感知记忆优化。实验表明，PathMem 在多项基准测试中达到最先进水平，显著提升了报告生成与开放诊断的性能。