本研究提出ZALM3零样本策略，解决多轮多模态医学对话中因图像质量差导致的视觉语言对齐问题。该方法通过利用先前的文本信息识别图像兴趣区域，显著提升了对齐效果，实验结果显示在不同临床科室中具有良好的有效性。

本研究提出三种零样本策略以解决矛盾检测问题，并评估大型语言模型的有效性。实验结果表明，合理设计的范式能够使模型在无需训练的情况下超越强基线。此外，研究还推出了新的数据集和基准，探讨模型在事实一致性评估中的表现，发现现有模型在检测不一致性方面存在不足。