arXiv 2026年9月24日该工作从 BIOMEDICA 语料出发，用基于 DAB-DETR 的子图检测、Qwen2.5-VL-32B-Instruct 的子图注提取和 Qwen2.5-14B-Instruct 的正文上下文摘要，构建并公开了含 1800 万子图-文本对的 OPEN-PMC-18M 数据集，并在放射、显微与可见光摄影三类模态的 6 项检索与 19 项零样本分类任务上训练视觉-语言编码器，报告检索平均召回 21.64、较此前最佳模型 OPEN-PMC 相对提升 27%，零样本分类总体平均 F1 达 39.77。该工作从 BIOMEDICA 语料出发，用基于 DAB-DETR 的子图检测、Qwen2.5-VL-32B-Instruct 的子图注提取和 Qwen2.5-14B-Instruct 的正文上下文摘要，构建并公开了含 1800 万子图-文本对的 OPEN-PMC-18M 数据集，并在放射、显微与可见光摄影三类模态的 6 项检索与 19 项零样本分类任务上训练视觉-语言编码器，报告检索平均召回 21.64、较此前最佳模型 OPEN-PMC 相对提升 27%，零样本分类总体平均 F1 达 39.77。Open-PMC-18M 用子图拆分与上下文摘要构建 1800 万医学图文对，检索平均召回提升 27%该工作从 BIOMEDICA 语料出发，用基于 DAB-DETR 的子图检测、Qwen2.5-VL-32B-Instruct 的子图注提取和 Qwen2.5-14B-Instruct 的正文上下文摘要，构建并公开了含 1800 万子图-文本对的 OPEN-PMC-18M 数据集，并在放射、显微与可见光摄影三类模态的 6 项检索与 19 项零样本分类任务上训练视觉-语言编码器，报告检索平均召回 21.64、较此前最佳模型 OPEN-PMC 相对提升 27%，零样本分类总体平均 F1 达 39.77。该工作从 BIOMEDICA 语料出发，用基于 DAB-DETR 的子图检测、Qwen2.5-VL-32B-Instruct 的子图注提取和 Qwen2.5-14B-Instruct 的正文上下文摘要，构建并公开了含 1800 万子图-文本对的 OPEN-PMC-18M 数据集，并在放射、显微与可见光摄影三类模态的 6 项检索与 19 项零样本分类任务上训练视觉-语言编码器，报告检索平均召回 21.64、较此前最佳模型 OPEN-PMC 相对提升 27%，零样本分类总体平均 F1 达 39.77。