超越CLIP：用System One决策模型做校准少样本缺陷检测

每类2张参考图下，Jev与Clef-Flash缺陷检测准确率高于CLIP。

资讯摘要

论文研究在每类仅2张参考图像的少样本场景下，用Jev与Clef-Flash两种结构化决策模型做制造缺陷检测。作者提出k-shot学习框架、自动精炼文本描述的agentic方法及概率校准方法，并在五个制造案例中测试。作者报告两类模型测试准确率均高于同条件CLIP，文本精炼在8个模型-应用组合中的6个提升准确率，校准在15个配置中的13个降低Brier分数。

要点速读

1. 论文在每类仅2张参考图像条件下比较Jev、Clef-Flash与CLIP，作者报告准确率分别为0.75-1.00、0.71-0.99和0.67-0.84。
2. 作者提出agentic文本描述精炼方法，在8个模型-应用组合中的6个提升准确率。
3. 校准方法在15个模型-应用配置中的13个降低Brier分数；作者公开复现代码、R包decisions及免代码网页应用。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。