# 新框架让冻结的医疗 AI 模型部署后继续学习

> 研究人员提出一种与模型无关的系统，可利用真实病例更新冻结的 LLM 和 VLM，在医疗任务中的表现最高提升 34%。

Oossa · 2026-10-08 · https://oossa.com/zh/new-framework-lets-frozen-medical-ai-models-keep-learning-after-deployment

由 Yexiao He 领衔的团队于 2026 年 10 月 8 日发布论文，介绍了一种框架，能让冻结的大语言模型（LLM）和视觉语言模型（VLM）从处理过的病例中学习。该系统引入三类外部专业知识：用于推理的 Skill、用于存储事实的 Knowledge Memory，以及用于保存视觉示例的 Multimodal Knowledge Base。只有在新病例能提升表现且不损害此前效果时，系统才会更新模型。在四种不同基础模型上进行的六项医疗基准测试中，性能最高提升了 34.2%。

## 事实

- 医疗任务表现最高提升 34.2%
- 使用四种基础模型，在六项基准测试中进行评估

## 为什么重要

临床医生或可使用能够随新指南持续更新的 AI 工具，而无需承担高昂的重新训练成本。

## 来源与参考

1. [Frozen Models, Evolving Expertise: Model-Agnostic Learning from Deployment Experience for Multimodal Medical AI](https://arxiv.org/abs/2610.09146) – arXiv, 2026-10-08

最后更新: 2026-10-08