全局逻辑和局部搜索：用于可验证工业异常检测的双流多模态上下文学习

大型多模态模型（LMM）显示出强大的少样本泛化能力，但工业异常检测仍然很困难，因为缺陷很小，输入分辨率有限，并且文本标准并不总是基于视觉证据。最近基于优化的方法通过 微调 改进了对齐，但它们通常需要许多有缺陷的样本，而这在早期部署中是不可用的。我们提出了全局逻辑和局部搜索（GLLS），这是一个用于参考引导的多模式上下文验证的 无需训练 框架。 GLLS 使用部件感知视觉逻辑图集来组织推理上下文中的正常引用和结构化规范。它结合了全局和逻辑流，其中 SAM 3 提取部分可检查的视觉事实，与细粒度和操作流，其中 MCTS 在固定预算下选择本地证据作物。 MMAD-QA 和其他异常检测数据集的实验表明，与匹配和通用基线相比，获得了一致的增益，同时在整个检查跟踪过程中保持最终诊断决策可追溯到明确的视觉证据。