工业细粒度异常理解：仅领域内训练够吗？

MMAD基准上，工业缺陷定位的人类专家准确率是92.3%，但训练过的领域专家最多只有75.5%——甚至部分训练模型的异常检测准确率还不如没训过的基础模型。

仅领域内训练的坑：越训越弱？

针对多模态工业异常理解（MM-IAU），研究者试了个常规方案：用领域内数据训多模态大模型（MLLM），结果发现走偏了。在MMAD这个行业常用基准里，训过的领域模型定位缺陷的准确率最高才75.5%，比人类专家差了17个点还多。更离谱的是，有些训过的模型，异常检测的准确率居然比没训的基础模型还低——相当于学了半天，连原始版本都不如。

互补模型也救不了：跨模型的共性短板

不同的MLLM各有长处，比如有的擅长描述缺陷，有的擅长推理原因，但它们在细粒度感知上都有共同的硬伤。研究者把这些互补模型拼在一起，想补短板，结果没用。组合模型还是解决不了MM-IAU里同时要做检测、定位、描述、推理的多重任务要求——单模型不行，硬拼也不行。

SiGMA的解法：分工比堆量有用

研究者搞了个叫SiGMA的框架，思路不是堆大模型，而是拆任务分工。它把工作分成三个角色：多模态搜索器提供工业知识和正常样本；缺陷专家把查询和参考样本的对比转成精准的异常证据；无标签可靠性控制器按任务能力和证据质量，权衡各角色的输出权重。
效果呢？SiGMA在MMAD上的平均准确率是85.2%，比最强的训过的领域模型高了4个点，比Gemini-2.5-Pro也高，和人类专家只差1.5个点。更关键的是，就算用三个最大9B参数的小模型做代理，SiGMA也能拿到84.4%的准确率——新的MLLM加进来也不用重新训练。

落地的启发：小模型也能凑出好效果？

工业场景里，很多公司没财力堆千亿级大模型，SiGMA的思路其实是个务实方向：不用单模型全能，靠分工和各角色的能力互补，小模型也能做出接近人类的效果。那是不是以后工业异常理解的方案，不用追大参数，反而要盯着任务分工的框架设计？

素材来源：arXiv (LLM/多模态新论文) · AI情报、大模型、AI智能体、科研前沿
查看报道原文