SARE：面向免训练细粒度视觉识别的样本级自适应推理

近期大型视觉语言模型（LVLMs）推动了免训练细粒度视觉识别的发展，但受限于子类别固有的视觉模糊性，现有方法存在两大局限：一是对所有样本采用统一推理流程，忽视难度差异；二是缺乏整合并重用错误经验的机制。为此，本文提出 SARE 框架，采用级联设计结合快速检索与细粒度推理，仅在必要时触发后者。该框架引入自反思经验机制，利用过往失败案例提供可迁移的判别指导，无需参数更新即可显著提升准确率并降低计算开销。