# 程序思维验证

胸片视觉语言模型能写出通顺报告，却常把图像里没有的征象写进去，而此前的改进多依赖强化学习、偏好优化或思维链监督，需要重新训练生成器。CheXPoT改为在报告生成之后处理：把报告拆成可核对的谓词，用胸片分类模型和Grad-CAM定位出的视觉证据表逐条判定，删去无法被图像支持的谓词再改写报告。在4,145张图像的留出集上，MedGemma-4B报告的微平均精确率由19.2%升至46.8%，微平均F1由23.0%升至49.4%，14个CheXpert类别中8类的精确率提升具有统计显著性，精确率与F1均无显著下降。

胸片视觉语言模型能写出通顺报告，却常把图像里没有的征象写进去，而此前的改进多依赖强化学习、偏好优化或思维链监督，需要重新训练生成器。CheXPoT改为在报告生成之后处理：把报告拆成可核对的谓词，用胸片分类模型和Grad-CAM定位出的视觉证据表逐条判定，删去无法被图像支持的谓词再改写报告。在4,145张图像的留出集上，MedGemma-4B报告的微平均精确率由19.2%升至46.8%，微平均F1由23.0%升至49.4%，14个CheXpert类别中8类的精确率提升具有统计显著性，精确率与F1均无显著下降。