博客实验：十年前的 CNN 皮肤癌识别胜过前沿 LLM

个人在 H100 上微调十年前的 Inception v3，皮肤癌识别表现优于两个前沿多模态 LLM。

一篇第三方博客实验称，作者在单张 H100 GPU 上，将约十年前的 Inception v3 架构在 68,011 张 ISIC 皮肤镜与临床图像上全层微调，随后在 200 个测试病灶上取得了优于两个前沿多模态 LLM 的皮肤癌识别表现。作者说明，测试病灶及同一患者、同一病灶的全部照片在训练和验证前已被剔除，判断阈值也未用测试集调优，以避免数据泄漏。需要注意，这是个人可复核的实验结果，并非同行评审结论；评论区的主要质疑是，域内微调的专用模型对阵零样本通用模型，本身并不是一场公平比较。

hackernews · sungam · 10月25日 17:15 · 社区讨论

「为何现在值得关注」 该实验于 2026 年 10 月 25 日发布后在 Hacker News 上引发热议（358 分、约 180 条评论），争议点正落在'通用大模型能否包打一切'的持续争论上。需要区分的是：实验本身已经发生且方法细节交代较清楚，但它在真实临床中的意义尚未经同行评审验证。

「可做角度」 可做角度：把这当成一堂评测方法课，而非'老技术逆袭'的故事——讲清微调后的专用模型对阵零样本通用模型时条件并不对等，进而说明窄任务何时适合专用小模型、LLM 的价值可能在哪里（如整合病历、生成问诊问题），并提醒读者不要用聊天机器人自查皮肤病变。

「评论区讨论」 评论区的共识是这一结果并不意外：有评论以 3000 万参数的围棋网络 KataGo 和'计算器做乘法胜过 LLM'作类比，并批评这是'benchmaxxing'式的不公平对比。也有评论认为实验低估了 LLM 在诊断中的潜力，例如结合病历笔记、生成向患者提的问题，或处理含纹身等分布外内容的图像。

查看原文 ↗