用于光刻缺陷检测的视觉语言模型的故障感知细化

半导体光刻检测需要可靠地检测小图案缺陷，例如桥接、毛刺、收缩和污染。在这项研究中，我们提出了一个两阶段视觉语言框架，它将初始缺陷检测与预测细化相结合。在第一阶段，Qwen3-VL 使用 LoRA 作为视觉语言适配器进行微调，以根据光刻图像预测缺陷计数、缺陷类别和标准化边界框。然而，直接 微调 仍可能产生常见的测试时错误，包括误报、遗漏缺陷和不正确的缺陷类型。为了解决这个限制，第二阶段使用第一阶段的预测失败及其校正标签来训练细化模块，从而允许模型审查和修改初始输出。通过从初始适配器失败的案例中学习，细化过程改进了缺陷推断，超越了单阶段 微调。