PadChest

本文评估了三种生成式视觉语言模型在三个机构胸部X光数据集上的参考标准一致性，发现错误模式随机构、发现和提问方式显著变化，并严格验证了在排除目标机构数据的情况下，自适应选择估计器未能优于简单的固定策略。