arXiv 2026年9月25日PromptGate 提出一种面向开放集联邦主动学习（OS-FAL）的客户端自适应视觉-语言门控模块：在冻结的 BiomedCLIP 上以类特定上下文（CSC）方式学习全局提示（经 FedAvg 聚合）与客户端本地提示，用 VLM 伪标签在查询前把未标注池过滤成高纯度 ID 候选池，再交给任意下游主动学习策略；在 FedISIC 与 FedEMBED 两个联邦医学影像基准上，静态 VLM 提示的 ID 纯度会退化到约 50%，而 PromptGate 保持 95% 以上纯度并达到 98% 的 OOD 召回。PromptGate 提出一种面向开放集联邦主动学习（OS-FAL）的客户端自适应视觉-语言门控模块：在冻结的 BiomedCLIP 上以类特定上下文（CSC）方式学习全局提示（经 FedAvg 聚合）与客户端本地提示，用 VLM 伪标签在查询前把未标注池过滤成高纯度 ID 候选池，再交给任意下游主动学习策略；在 FedISIC 与 FedEMBED 两个联邦医学影像基准上，静态 VLM 提示的 ID 纯度会退化到约 50%，而 PromptGate 保持 95% 以上纯度并达到 98% 的 OOD 召回。PromptGate 用联邦可学习提示把开放集联邦主动学习的查询纯度从约 60% 提升到 95% 以上PromptGate 提出一种面向开放集联邦主动学习（OS-FAL）的客户端自适应视觉-语言门控模块：在冻结的 BiomedCLIP 上以类特定上下文（CSC）方式学习全局提示（经 FedAvg 聚合）与客户端本地提示，用 VLM 伪标签在查询前把未标注池过滤成高纯度 ID 候选池，再交给任意下游主动学习策略；在 FedISIC 与 FedEMBED 两个联邦医学影像基准上，静态 VLM 提示的 ID 纯度会退化到约 50%，而 PromptGate 保持 95% 以上纯度并达到 98% 的 OOD 召回。PromptGate 提出一种面向开放集联邦主动学习（OS-FAL）的客户端自适应视觉-语言门控模块：在冻结的 BiomedCLIP 上以类特定上下文（CSC）方式学习全局提示（经 FedAvg 聚合）与客户端本地提示，用 VLM 伪标签在查询前把未标注池过滤成高纯度 ID 候选池，再交给任意下游主动学习策略；在 FedISIC 与 FedEMBED 两个联邦医学影像基准上，静态 VLM 提示的 ID 纯度会退化到约 50%，而 PromptGate 保持 95% 以上纯度并达到 98% 的 OOD 召回。