通过跨尺度推理增强病理视觉语言模型

病理图像具有固有的多尺度特性，要求整合从低倍率组织架构到高倍率细胞形态的证据以进行准确诊断。现有数据集缺乏明确的跨尺度推理目标，限制了模型捕捉关键表征的能力。为此，本文提出了首个将病理阐释构建为多倍率推理的训练与评估范式。针对多图像视觉问答中存在的文本捷径问题，设计了防泄漏数据构建流程，并结合对抗性筛选与约束引导的问题设计，构建了包含 4685 个问题的 Scale-VQA 基准。此外，推出了通过强化学习训练的 ScaleReasoner-R1 模型，该模型在跨尺度推理任务上取得了最先进性能，并显著提升了病理理解能力。