arXiv cs.AI@Guangzhi Xiong, Qiao Jin, Sanchit Sinha, Zhiyong Lu, Aidong Zhang精选52大型视觉语言模型在医疗应用中潜力巨大，但其回答缺乏视觉证据的可信归因，引发临床信任问题。现有归因方法无法验证是否真正反映模型决策依据，因为缺乏内部推理的真实标注。研究者开发了因果评估框架，通过反事实编辑验证专家标注区域是否因果影响模型预测，并测试了11种归因方法、6个开源LVLM和两种输出模式。结果发现现有方法常无法识别模型使用的视觉证据。为此提出MedFocus，基于不平衡最优传输定位临床解剖区域，并通过定向干预测量因果效应，在空间、概念和词元层面显著优于现有方法。数据和代码已开源。论文视觉归因医学影像因果评估LVLM开源/仓库推荐理由：医疗AI的信任危机终于有了可验证的归因方案——MedFocus让医生能看清模型到底看了哪里才下诊断，做医学影像AI的团队值得试试这个因果框架。