使用规则排序提示的大型多模态模型零样本多类别晶圆图分类
Zero-Shot Multi-Class Wafer Map Classification with Rule-Ordered Prompts for Large Multimodal Models
精选理由
无需训练即可提升晶圆缺陷分类，规则化多模态提示在两数据集上取得较高准确率。
AI 摘要
当生产条件发生变化时，晶圆图缺陷分类通常需要标注数据和重新训练。我们提出了一种无需训练的六类别框架，将连通组件高亮与考虑形态、位置和排除因素的提示相结合，并应用于冻结的大型多模态模型。在 Mixed-WM38（6,866 张晶圆图）上，多区域提示取得了 92.9% 的宏平均准确率和 93.8% 的总体准确率。在 WM811K（9,000 张晶圆图）上，分别取得了 79.1% 和 81.3% 的准确率。八种备选规则顺序的总体准确率为 90.1%–91.9%，而所选顺序的总体准确率为 93.8%。