MedQ-Engine 用 10K 标注把 8B 医学图像质量评估模型提升到超过 GPT-4o 逾 13%，与人类专家差距缩至 4.34%
该工作提出 MedQ-Engine 闭环数据引擎，通过“评估—探索—进化”三阶段迭代：在开发集上把模型失败案例聚类为失败原型，用原型视觉分量在约百万张、覆盖五种模态的医学图像池中检索候选样本，配合熵引导路由的渐进式人在回路标注与质量保障微调，仅用 10K 标注即让 8B 参数模型在医学图像质量评估上超过 GPT-4o 逾 13%、与人类专家差距缩小到 4.34%，样本效率比随机采样高 4 倍以上。