本研究提出了一种新策略，通过多模态微调方法显著改善OOD检测性能，关键在于正则化图像与文本嵌入间的距离，增强跨模态对齐。实验结果表明，该方法在ImageNet-1k OOD基准数据集上优于现有技术，达到最先进的检测表现。

基于BLIP-2框架，开发了一种视觉语言模型，将病理报告文本与切片图像配对，形成图像-文本嵌入空间。该模型在超过35万张去标识化数据上评估，78%的生成文本被病理医师认为准确，展示了语言与WSI嵌入结合的潜力。

基于BLIP-2框架，开发了一种视觉语言模型，将病理报告文本与切片图像配对，形成图像-文本嵌入空间。该模型在超过35万张去标识化数据上评估，78%的生成文本被病理医师认为准确，展示了语言与WSI嵌入结合的潜力。