晶圆图缺陷分类通常需要标记数据，并在生产条件发生变化时进行再培训。我们提出了一个免训练的六类框架，该框架将连通组件突出显示与形态、位置和排他感知提示相结合，用于冻结的大型多模态模型。在Mixed-WM38 （ 6,866张地图）上，多区域提示实现了92.9%的宏观和93.8%的整体准确率。

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.35080v1)获取最准确的信息。

---
🔗 **原文链接**: [Zero-Shot Multi-Class Wafer Map Classification with Rule-Ord](https://arxiv.org/abs/2610.35080v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Tianjian Cao, Jun Tao

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
多模态正在逼近实用门槛。如果你想做产品级落地，这篇文章值得读。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-27 13:02