深度分析 WaferSAGE：以合成資料與量尺化強化學習驅動晶圓視覺語言模型的可解釋缺陷分析 半導體製程仰賴晶圓瑕疵分析但受限於資料稀缺與隱私限制。WaferSAGE以三階段合成資料、結構化評分規則與課程式強化學習，生成可評估的視覺問答對並對齊自動化評估指標。實驗顯示在本地部署下，小型視覺語言模型能接近商用大型模型的判讀表現並降低成本與隱私風險。
