RadLite：小型語言模型的多任務 LoRA 微調，實現 CPU 可部署的放射科 AI

RadLite: Multi-Task LoRA Fine-Tuning of Small Language Models for CPU-Deployable Radiology AI

arXiv cs.CL · 2026-05-04

摘要

研究團隊成功展示 3-4 億參數的小型語言模型（SLMs）透過 LoRA 微調，可在消費級 CPU 上部署並執行 9 項放射科任務，包括影像分類、報告生成、異常偵測等。在 162K 樣本的訓練下，模型性能相比零樣本基線大幅提升（RADS 準確度提高 53%、NLI 提高 60%），為資源受限的臨床環境帶來部署可能性。

●開發者：可探索 LoRA 微調在垂直領域應用及 CPU 推理優化的技術方案

●投資人：醫療 AI 本地部署方案具有商業潛力

●一般用戶：未來放射科診斷 AI 工具可能在本地醫療設備上更快部署

重要性評分

73/100

🟠 值得關注

小型語言模型LoRA 微調放射科 AICPU 部署多任務學習

原文出處

上一則← 為什麼 LLMs 在策略性遊戲中表現不佳？觀察、信念與行動之間的斷裂下一則OpenAI o1 急診診斷準確率達 67%，超越分診醫師 →

喜歡這篇？每天早晨還有更多。

訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。