arXiv 2026年9月24日该工作提出一种无样本持续学习框架，用于全切片图像到病理报告的生成：在冻结的图块嵌入空间中为每个域构建紧凑“域足迹”（k-means 码本、切片级码字直方图库、图块数量统计与报告风格原型），据此合成伪全切片并由上一轮教师快照生成伪报告进行生成式回放，同时用风格前缀条件化语言模型；在多个公开持续学习基准上，该方法优于无样本与有限缓冲回放基线，并支持无需显式域标识的域无关推理。该工作提出一种无样本持续学习框架，用于全切片图像到病理报告的生成：在冻结的图块嵌入空间中为每个域构建紧凑“域足迹”（k-means 码本、切片级码字直方图库、图块数量统计与报告风格原型），据此合成伪全切片并由上一轮教师快照生成伪报告进行生成式回放，同时用风格前缀条件化语言模型；在多个公开持续学习基准上，该方法优于无样本与有限缓冲回放基线，并支持无需显式域标识的域无关推理。用冻结嵌入空间中的紧凑域足迹做生成式回放，无需保存切片或图块样本即可持续生成病理报告，并在多个公开持续学习基准上超过无样本与有限缓冲回放基线该工作提出一种无样本持续学习框架，用于全切片图像到病理报告的生成：在冻结的图块嵌入空间中为每个域构建紧凑“域足迹”（k-means 码本、切片级码字直方图库、图块数量统计与报告风格原型），据此合成伪全切片并由上一轮教师快照生成伪报告进行生成式回放，同时用风格前缀条件化语言模型；在多个公开持续学习基准上，该方法优于无样本与有限缓冲回放基线，并支持无需显式域标识的域无关推理。该工作提出一种无样本持续学习框架，用于全切片图像到病理报告的生成：在冻结的图块嵌入空间中为每个域构建紧凑“域足迹”（k-means 码本、切片级码字直方图库、图块数量统计与报告风格原型），据此合成伪全切片并由上一轮教师快照生成伪报告进行生成式回放，同时用风格前缀条件化语言模型；在多个公开持续学习基准上，该方法优于无样本与有限缓冲回放基线，并支持无需显式域标识的域无关推理。