递归改进要先知道哪一环节失败
三维扫描中的一次漏检可能发生在多个不同环节。相关视图可能从未被渲染，阅读器可能看到了却没有识别出来，检测可能在多次读取之间不稳定，或者一个正确的候选在聚合阶段被丢弃。每种失败需要不同的修复方式，改错组件只会让真正的瓶颈原封不动。
论文认为，记录下来的智能体轨迹无法解决这个问题。轨迹只显示智能体检查了什么，无法说明一个未查看过的切片或裁剪区域是否本可以暴露该病灶；自我生成的判断也无法独立确认预测位置是否正确。因此ReVision3D把两项工作分开：归因负责追踪漏检病灶到证据丢失的环节，外部验证负责检验一项拟议修订是否真的提升了视觉能力。
标注体积让反事实视图可被核查
核心机制是作者所说的精确回放世界。给定一次扫描及其参考掩膜，一个视图选择程序可以仅凭几何关系就被评分，看它会暴露哪些病灶，完全不需要运行阅读器。当一个视图平面与病灶范围相交，或从病灶5毫米以内的固定空间容差内经过时，该病灶就算被暴露。暴露与检测被严格区分：一个病灶可以被渲染视图覆盖，却仍被漏掉。
同一容差也支撑有依据的验证。每个预测位置会与5毫米内最近的参考病灶匹配，从而区分出不同的命中、重复和没有依据的发现。这些量进入一个权重有界的训练奖励，而参考掩膜只用于回放和验证，从不展示给阅读器。是否晋级到下一轮由另一个固定目标J决定，J在每位患者0.25、0.5、1和2个假阳性预算下对召回率取宏平均，并跨器官汇总。
四个干预层级对应四类失败模式
失败分解是一个关于漏检病灶的精确非负恒等式：未被展示、被展示但从未检出、仅在采样时检出、检出后被丢弃。每一项都指向一个可编辑层级。未被展示指向采集，此时程序最多请求有限数量的额外视图，候选方案用几何方式筛选。被展示但未检出指向感知，此时改动适配的视觉模块、LoRA秩和输入分辨率，候选方案需要实际训练。
检测不稳定指向训练配方，此时组相对优化只从采样奖励不完全相同的提示中学习。被丢弃的发现指向推理，此时一个分数用跨切片支持度等无标签特征合并三维候选，缓存输出让候选程序无需重新训练就能直接在J上评估。设计者是一个冻结的语言模型，只在当轮选定的层级内提出修订，验证器和系统目标保持不变，使设计者无法重新定义成功。
可学习性普查拆分未检出损失
从未检出这一项混合了两种需要不同应对的情况：当前阅读器在某些采样读取中能捕获的病灶，可能仍会从训练中受益；而从未被捕获的病灶，更强烈地提示感知存在上限。论文用可学习性普查来估计这一拆分，该普查存储采样奖励，并计算处于学习前沿的含病灶提示所占比例。
学习前沿占比越大，就有越多未检出损失被分配给训练配方；从未命中占比越大，搜索就越指向感知。作者明确指出，这一拆分是路由启发式而非精确分解，因为它依赖有限的采样读取。每次接受的修订都会触发重新归因，因此主要瓶颈可以逐轮转移，一份有证据支撑的作战手册会把成功和失败的假设都传递下去。
只有超过种子噪声的增益才被保留
接受标准刻意保守。训练修订在匹配的开发患者和种子上评估，只有当J的变化超过当前版本的种子范围，且每个种子的最小变化为正时才被接受。推理修订要求在配对自助法下正变化的概率至少为0.9。筛选只对候选排序，从不直接晋级。
这影响如何解读头条数字。报告的79%肝脏召回率和83%肾脏召回率，是在每位患者少于0.4个假阳性的条件下，于感知被认定为主要剩余瓶颈并加以修订之后取得的。召回率在至少1毫升的病灶上汇总，假阳性按患者计数，不确定性用2,000次重采样的患者级自助法估计。这些是公开CT数据上的基准结果，不是临床结论。
仅改善视图几乎帮不了冻结阅读器
一个独立的组件实验单独考察采集环节。十三个冻结的前沿阅读器和论文自己的冻结编码器阅读器，在三种视图条件下查看同样的31位留出肝脏患者：标准八切片调查、采集程序选择的视图，以及穿过每个标注病灶的oracle切片。在调查条件下，前沿模型的召回率从0.05到0.36不等，最好的阅读器达到0.36召回率和每位患者0.19个假阳性。
只改变展示哪些切片带来的增益有限，论文报告更好的视图并不能帮助前沿阅读器。正是这一比较让感知结果变得可解释：如果暴露是约束条件，oracle切片本应弥合大部分差距。采集研究也是作为独立组件实验报告的，采用预算读取协议且只做几何筛选，因为它没有经过完整的晋级门槛。
小病灶获益最大，改进循环仍有边界
最大的增益报告在小病灶上，这与论文自己的观察一致：四切片调查只暴露83%的肝脏病灶，而距离小病灶5毫米以内的切片可能只显示其边缘。这也是研究同时报告病灶引导切片和密集协议的原因：密集协议以5毫米间隔展示每个轴位切片，每位患者约43个提示，并在三维空间内合并12毫米以内的发现。
两个边界决定这一结果能走多远。干预空间被限定在四个预定义层级，因此循环无法引入新的骨干网络、模态、渲染算子或推理策略，除非该能力被显式暴露为动作。回放对几何是精确的，对感知则不是：采集和推理可以低成本筛选，感知修订仍需训练和评估。作者还指出，更好的病灶定位未必转化为更好的下游临床决策，因为固定目标衡量的是可空间验证的感知，而非临床效用。
决定变量是归因，而非更多算力
论文最有用的比较不是模型规模之间，而是改进投入花在哪里。冻结的前沿阅读器即使拿到oracle病灶切片，召回率仍远低于修订后的阅读器；而被接受的感知修订在每位患者少于0.4个假阳性的条件下达到79%肝脏和83%肾脏召回率。在这一设置中，识别限制环节并用固定几何验证改动，比增加视觉暴露或换用更强的基座阅读器起了更大作用。
实际解读是有条件的：当标注体积可以作为回放世界、验证器和目标保持固定、接受标准以超过种子噪声的增益为门槛时，对三维医学感知智能体做递归自我改进才值得推进。在这些条件成立时，优先事项是先归因损失再修订，并预期主要瓶颈会在轮次之间移动，而不是一直停留在感知。
本文引用的文献
ReVision3D: Attribution-Guided Recursive Self-Improvement for 3D Medical Perception
把带标注的CT体积当作精确回放世界，让冻结的LLM设计者把漏检病灶归因到采集、感知、训练或推理；修订感知后，在每位患者少于0.4个假阳性的条件下达到79%肝脏和83%肾脏召回率。