一项十年前的标准 CNN（ResNet-50）在皮肤癌诊断图像分类任务上超越了当前最前沿的大语言模型。这一发现挑战了"模型规模越大、医疗AI越强"的假设，说明在狭窄专业领域内，任务特定的架构仍可能占据优势。研究提醒，在将AI部署到临床场景中时，不应盲目依赖前沿大模型，而应根据任务结构选择合适的架构，并进行充分的基准测试。
背景
深度学习已深刻改变了皮肤病学领域，ResNet 和 DenseNet 等 CNN 在 ISIC 等皮肤损伤分类基准测试中达到了接近专家水平的性能。GPT-4o 和 Claude 3 等前沿大语言模型的兴起引发了关于通用基础模型能否替代专用医疗 AI 系统的猜测。
- 来源
- Hacker News (RSS)
- 发布时间
- 2026年10月26日 01:15
- 评分
- 7.0 / 10