当证据消失：蒸馏医学视觉语言模型对视觉证据的依赖

紧凑型医学视觉语言模型（VLM）可能依靠问题措辞或已学习的先验答对临床问题，而未可靠利用图像。本文提出 Evidence-Conditioned Dependency Distillation（ECDD），不仅蒸馏教师的答案偏好，还蒸馏相关视觉证据消失时正确答案支持度应如何下降。以下基于摘要分析，未取得论文全文。 其核心机制是将每张训练图像与按证据层级匹配的控制样本配对，蒸馏教师在配对样本之间的答案间隔（answer margin）下降量。下界目标仅惩罚学生对正向证据依赖传递不足的情况，同时以原图监督维持任务准确率。与仅匹配原图答案偏好的标准知识蒸馏相比，ECDD 显式约束答案偏好是否依赖问题所需的视觉证据。摘要称，该框架适用于被查询的临床区域、手术器械及整幅图像视觉内容等不同证据层级。 作者报告，在三个医学 VQA 设置中，ECDD 的原图 Accuracy 与蒸馏及对齐基线保持竞争力，同时提高了答案支持度对证据移除的敏感性。具体在摘要所称的 DME headline objective 下，针对阳性样本，目标遮挡相对随机遮挡的答案间隔响应由 KD 的 0.786 增至 ECDD 的 2.023，原图 Accuracy 相差 0.11 个百分点；摘要未说明准确率变化方向，也未完整定义 DME 及该响应指标，不能将其视为通用准确率提升。 需进一步核对控制样本生成方式、教师自身的证据依赖可靠性，以及响应变化能否排除遮挡造成的非特异性分布扰动。具体数据集、模型规模、数据划分、实验协议、消融及统计信息尚未验证。该研究对象是医学图像问答，现有材料不构成 EEG 或 BCI 有效性的证据。