研究者通过构建成本效益的会话病理学指导学习框架CLOVER，在病理学的视觉问答中取得了优异的结果。CLOVER训练了一个轻量级模块，并使用指导调整来保持大型语言模型参数不变。研究结果显示，CLOVER在回答开放式和封闭式问题上表现出色，优于强基准模型。通过指导调优，CLOVER在外部临床数据集中展现了少样本学习的鲁棒性。这些发现表明，CLOVER的成本效益建模可以加速数字病理学领域中快速对话应用的采用。