在SIXray、PIDray等未见过的数据集上评估分类性能，STING-BEE的F1分数达到34.69%，远超第二名的MiniGPT-v2（18.45%），证明其对扫描仪差异和新型违禁品有很强的泛化能力。这篇工作为X光安检领域填补了“多模态”这一空白。STCray数据集为研究复杂场景下的威胁检测提供了新基准，而STING-BEE则首次验证了视觉语言模型在该领域的潜力。虽然目前在精确的空间定位和目标

Qwen3-VL 通过架构创新、大规模多样化的训练数据和精心设计的训练流程，成功打造了一个在多模态理解、长上下文处理、复杂推理和纯文本能力上都极其强大的模型系列。它不仅是性能标杆，更是指向了未来可能的具身智能体和通用AI的基础引擎：一个能够无缝融合感知、推理和行动，在数字和物理世界中学习和协作的系统。

Qwen3-VL 通过架构创新、大规模多样化的训练数据和精心设计的训练流程，成功打造了一个在多模态理解、长上下文处理、复杂推理和纯文本能力上都极其强大的模型系列。它不仅是性能标杆，更是指向了未来可能的具身智能体和通用AI的基础引擎：一个能够无缝融合感知、推理和行动，在数字和物理世界中学习和协作的系统。

提出了统一模型，成为首个在3D可提示自动分割和交互式编辑上均达到SOTA的基础模型。创新的3D超体素蒸馏方法，大幅提升了3D模型的零样本性能。制作并利用了含多种标注的大规模CT数据集和四阶段训练配方，解决了自动与交互任务的内在冲突。验证了VISTA3D在少样本迁移学习中的强大潜力，可构建数据飞轮。

首个面向3D医学影像的通用可提示分割模型，支持多解剖结构、多模态、多任务。构建并公开了目前最大、类别最丰富的3D医学分割数据集SA-Med3D-140K。验证了完全3D架构在大规模医学数据上训练的优势：交互效率高、泛化性强、迁移性好。为医学影像基础模型研究提供了新基准和预训练权重。

注意： 这将会删除所有Docker的镜像、容器和卷。请确保你已经备份了需要保留的数据。如果你看到了欢迎消息，表示Docker已经成功安装并运行。

在实际使用中，如果您尝试启动一个服务端程序并且遇到了 “Bind failed” 的错误信息，这通常意味着尝试绑定（bind）的端口已经被占用。端口占用：如果之前启动的服务端实例没有正确关闭，或者其他程序正在使用相同的端口，那么操作系统将不允许您再次绑定到该端口。未正确释放端口：在服务端程序异常退出或者没有正确关闭套接字的情况下，操作系统可能仍然认为端口正在被使用。确保正确关闭套接字：在您的代码中

在vscode编译器中，利用cmake，快速创建c++环境。

在vscode中配置docker环境

https://github.com/apache/spark.git替换为https://github.com.cnpmjs.org/apache/spark.git