冻结模型在部署中积累外部专长：六个基准上医学任务在线提升最高34.2%，并零步迁移到其他模型
该工作提出一个模型无关框架，让冻结的LLM与VLM在部署过程中通过三种外部专长持续学习：指导推理与工具使用的Skill、存储可靠事实的Knowledge Memory，以及保留视觉案例并引导模型将检索案例与当前图像对比的Multimodal Knowledge Base；更新只在有助于新案例且不损害旧案例时才被保留。在六个基准、四个基座模型上，该框架在线部署中医学任务相对基座提升最高34.2%，可泛化到未见案例，并无需再优化即可迁移到其他模型。