연구진은 병리 영상-언어 모델(VLM)의 평가 방식에 주목하여 세 가지 간과된 문제를 지적했어요.
Gemini-3-Pro는 시각 정보 없이도 53.5%의 정확도를 달성하는 등, 시각적 증거가 필요 없는 경우도 존재해요.
Patho-R1-7B는 시각적 결합 측면에서 Qwen2.5-VL-7B보다 낮은 성능을 보이며, 엔티티 수준의 주의 집중은 분산되고 쿼리에 따라 달라지지 않아요.
연구진은 이러한 문제점을 개선하기 위해 시각적 결합 능력을 평가하는 새로운 벤치마크 PathBind를 공개하고, 현재 VLM의 성능에 상당한 격차가 있음을 확인했어요.