基于 L-STAR 的视觉大语言模型引导的共识空间域检测

空间域检测是空间转录组学中的核心任务，然而现有方法在不同数据集上的表现差异较大。我们提出了 L-STAR，这是一种由视觉大语言模型引导的共识框架，利用大语言模型的视觉推理能力，自适应地对空间域检测方法进行排序与整合。L-STAR 实现了稳健且持续提升的性能，在多种数据集上均优于单一的空间域检测方法。

空间域检测是空间转录组学中的核心任务，然而现有方法在不同数据集上的表现差异显著。我们提出了 L-STAR，这是一种由视觉大语言模型引导的、基于共识的框架，利用大语言模型的视觉推理能力，自适应地对空间域检测方法进行排序与整合。L-STAR 实现了稳健且持续提升的性能，在多样化数据集上均优于单一的空间域检测方法。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.25.747158v1?rss=1

🏷️ 空间转录组学 空间域检测 视觉大语言模型 共识学习 计算生物学