视觉语言模型在连接组学突触检测与校对上的基准测试

研究对 19 个开源和 2 个闭源视觉语言模型在突触检测（存在性与极性）和校对（分裂错误与合并错误）上进行了零样本、四样本上下文学习与 LoRA 评估。多数模型零样本处于随机水平，少量示例仅帮助闭源和最大开源模型；对数千标签做 LoRA 后开源模型达到专家模型水平，且在未见物种上最佳适配 VLM 在合并错误识别上超越同数据训练的专家模型。