语言大模型 / LLM

Evaluating medical AI under missing information: same-provider judges and human raters change apparent safety

在信息缺失情况下评估医疗人工智能：同提供者评判者和人类评分者会改变表面安全性

Koyar Afrasyab

机构 * Kinvectum AB（金维图姆公司） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 研究在信息缺失下评估医疗人工智能，通过删除对话部分对四个模型压力测试，发现评判者选择影响表面安全性，语言模型评判者更宽松，安全差距在于校准，还发布了相关测试工具等。

Comments GitHub https://github.com/KAVentures/health-ai-readiness-robustness

Simple Domain Generalization for Strong Pixel-Level Image Tampering Detection in Modern VLMs

现代视觉语言模型中用于强像素级图像篡改检测的简单域泛化

Yi Tang, Xinyi Shang, Jiacheng Cui, Sondos Mahmoud Bsharat, Jiacheng Liu, Xiaohan Zhao, Tran Dinh Tien, Ahmed Elhagry, Salwa K. Al Khatib, Tianjun Yao, Yonina C. Eldar, Jing-Hao Xue, Hao Li, Salman Khan, Zhiqiang Shen

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University College London（伦敦大学学院） ； Weizmann Institute of Science（魏茨曼科学研究所） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 研究现代视觉语言模型中像素级图像篡改检测的域泛化，提出基于平衡小批量采样和后期注入策略的简单训练框架，大幅提升平均gIoU和cIoU，增强了篡改定位和分布外鲁棒性。

Comments Our code is available at https://github.com/VILA-Lab/PIXAR-DG

Discrete Ricci Curvature on Protein Contact Graphs for Lightweight Fold Classification

蛋白质接触图上的离散Ricci曲率用于轻量级折叠分类

Jianru Shen

专题命中 领域大模型 ：language model(abstract)；分类 cs.LG

AI总结 研究蛋白质折叠分类，将α碳接触图上的离散Ricci曲率作为轻量级结构描述符，与多种基线比较。结果显示其性能优于平均池化的ESM-2嵌入，与持久同调结合性能最强，为预训练蛋白质语言模型嵌入提供实用替代方案。

Comments Accepted at IEEE International Conference on Future Machine Learning and Data Science (FMLDS)

S1-Omni: A Unified Multimodal Reasoning Model for Scientific Understanding, Prediction, and Generation

S1-Omni：用于科学理解、预测和生成的统一多模态推理模型

Jiahao Zhao, Junyi Liu, Lifeng Xu, Nan Xu, Qingli Wang, Qingxiao Li, Tianle Chen, Xiaoyu Wu, Yawen Zheng, Zikai Wang, Guanming Liu, Hequn Zhou, Jingyi Wang, Jingyuan Shu, Keqi Wang, Li He, Songyang Diao, Wenhui Xu, Xinyu Ren, Yaqin Fan, Yujin Zhou, Zhanao Yao

机构 * ScienceOne AI（科学一号人工智能） ； Wenge AI（文阁人工智能） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 研究针对科学人工智能模型能力分散问题，提出S1-Omni统一多模态推理模型，基于科学数据统一表示、知识对齐和解码三个核心组件，经训练和评估，在多基准测试中表现出色优于同类模型，为统一科学建模提供实用路径。

Multimodal Semantic-Aware Contrastive Learning For False Negative Mitigation in 3D Medical Imaging

用于减轻 3D 医学成像中假阴性的多模态语义感知对比学习

Sara Ketabi, Matthias W. Wagner, Cynthia Hawkins, Uri Tabori, Birgit Betina Ertl-Wagner, Farzad Khalvati

机构 * University of Toronto（多伦多大学） ； The Hospital for Sick Children（病童医院） ； Vector Institute（向量研究所） ； University Hospital Augsburg（奥格斯堡大学医院） 纠错

专题命中 领域大模型 ：pretraining(abstract)；分类 cs.LG

AI总结 研究针对3D医学成像中假阴性问题，提出多模态语义感知对比学习框架MseaCL，通过纳入放射学报告语义相似性作指导信号，经实验验证该框架用于预训练可提升下游任务表现，如儿科脑肿瘤分子分类AUC至少增22.6%。

Demographically-Conditioned Synthetic Medical Images for Bias Mitigation and Bias Detection in Disease Classifiers

用于减轻疾病分类器偏差和检测偏差的人口统计学条件合成医学图像

Mahmoud Ibrahim, Bart Elen, Chang Sun, Gokhan Ertaylan, Michel Dumontier

机构 * Institute of Data Science, Faculty of Science and Engineering, Maastricht University（马斯特里赫特大学科学与工程学院数据科学研究所） ； Department of Advanced Computing Sciences, Faculty of Science and Engineering, Maastricht University（马斯特里赫特大学科学与工程学院高级计算科学系） ； VITO（比利时弗拉芒技术研究所） 纠错

专题命中 领域大模型 ：pretraining(abstract)；分类 cs.AI

AI总结 研究医学图像分类器亚组公平性审计的样本量问题，提出用人口统计学条件合成生成器减轻训练偏差、检测评估偏差。以COVID-19胸部CT分类为例，发现其在偏差减轻和检测上的作用，如预训练效果好、能再现亚组排名等。

Reward-Free Evolving Agents via Pairwise Validator

通过成对验证器实现无奖励进化智能体

Minghao Liu, Yu Wang, Jiayun Wang, Wei Wei

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 研究提出用成对验证器取代标量奖励设计，集成到三个自我进化引擎中，有自适应焦点和软Elo两种变体。该方法在多智能体和两种工件基质上多数设置下达到或超全奖励基线，无需标记成本，是替代每步奖励设计的有效方案。

CIPHER: A Decoupled Exploration-Selection Framework for Test-Time Scaling of Data Science Agents

CIPHER：用于数据科学智能体测试时扩展的解耦探索-选择框架

Maxime Heuillet, Sharadind Peddiraju

机构 * Amazon Web Services（亚马逊网络服务公司） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 研究针对数据科学任务自动化挑战，提出CIPHER智能体，通过生成和选择多初始状态实现测试时扩展，解耦生成与选择过程。经实验验证其性能超越现有技术，刻画DES框架设计空间并给出设计建议。

XCT-SAM: Sequential Parameter-Efficient Domain Adaptation of SAM for Industrial XCT Defect Segmentation

XCT-SAM：用于工业XCT缺陷分割的SAM顺序参数高效域适应

Md Mahedi Hasan, Md Mushfiqur Rahaman, Alan Pachkovskiy, Imtiaz Ahmed, Jeremy Dawson, Srinjoy Das

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.LG

AI总结 针对增材制造X射线计算机断层扫描图像缺陷分割难题，提出XCT-SAM框架，先在合金微观结构数据集微调Conv-LoRA适配器，再转移到XCT图像，参数高效且冻结超99%模型，实验表明其性能优于基线，有效实现工业XCT缺陷分割。

Comments 10 pages, 7 figures, 3 tables. Accepted to the IAPR Workshop on Machine Vision for Industrial Inspection (MVI2), in conjunction with ICPR 2026. Code: https://github.com/Mahedi-61/XCT-SAM

An Agentic AI Scientific Community for Automated Neural Operator Discovery

用于自动神经算子发现的智能体人工智能科学社区

Luis Loo, Ulisses Braga-Neto

机构 * Texas A&M University（德克萨斯农工大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.LG

AI总结 该研究基于人工智能科学社区提出智能体方法用于自动神经算子发现，通过虚拟实验室中三个智能体协作，共享通用词汇表，在五个问题上评估，能发现高精度低参数架构，揭示语言模型智能体对保持多样性的作用及神经算子无免费午餐定理。

Toward Trustworthy Autonomous Science: A Two-Year Community Roadmap

迈向可信自主科学：两年社区路线图

Rafael Ferreira da Silva, Milad Abolhasani, Peter Beaucage, Laura Biven, Michael Bussmann, Kyle Chard, Ryan Coffee, Stephen DeWitt, Sagar Dolas, Carrie Eckert, David Elbert, Ian Foster, Tirthankar Ghosal, Anna Giannakou, Tom Gibbs, Leslie Hamilton, Glenn Lockwood, Theresa Mayer, Ben Mintz, Raffi Nazikian, Sal Nimer, Amanda Randles, Woong Shin, Sreenivas Rangan Sukumar, Frédéric Suter, Mitra Taheri, Michela Taufer, Draguna Vrabie

机构 * U.S. Department of Energy, Office of Science, Office of Advanced Scientific Computing Research（美国能源部科学办公室高级科学计算研究办公室） 纠错

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.AI

AI总结 该研究针对自主科学领域发展现状及问题，更新路线图围绕七个维度，评估原有里程碑并新增四个，规划两年发展路径，第一年聚焦接口等搭建验证框架，第二年针对联盟等，强调基层网络的互操作性。

Capabilities of Claude Fable 5 on Biomedical Challenge Problems

Claude Fable 5在生物医学挑战问题上的能力

Dominic Okonkwo, Magnus Hodgson, Temitope I. David, Susan Adanna Ihejirika

机构 * School of Computing, University of Georgia（佐治亚大学计算学院） ； Department of Chemistry, University of Illinois（伊利诺伊大学化学系） ； Institute of Bioinformatics, University of Georgia（佐治亚大学生物信息学研究所） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL

AI总结 研究评估Claude Fable 5在八个生物医学基准上的能力，以确定性评分针对固定答案键评估，含两个Claude前身和GPT-5作基线。发现Fable 5拒绝率因基准而异，排除拒绝项后准确率超其他模型，还识别出两种拒绝模式，其生物医学应用主要受限在参与意愿。

Comments 15 pages, 6 tables, 4 figures, appendix with qualitative examples

Shortcut Learning in Legal Judgment Prediction: Empirical Evidence from the UK Employment Tribunal

法律判决预测中的捷径学习：来自英国就业法庭的实证证据

Joe Watson, Joana Ribeiro de Faria, Marcus Tomalin, Måns Magnusson, Huiyuan Xie, Hao Tian Yeung, Christine Carter, Jonathan Rutherford, Felix Steffek

机构 * Faculty of Law, University of Cambridge（剑桥大学法学院） ； The Psychometrics Centre, Cambridge Judge Business School, University of Cambridge（剑桥大学心理学测量中心，剑桥Judge商学院） ； Faculty of English, University of Cambridge（剑桥大学英语学院） ； Department of Statistics, Uppsala University（乌普萨拉大学统计系） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Department of Engineering, University of Cambridge（剑桥大学工程系） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 研究英国就业法庭判决中索赔结果预测的捷径学习，用33158条索赔语料库预测结果，发现基于事后司法文本训练的法律判决预测系统性能或被夸大，去除泄漏特征后模型仍能提取有用信号。

3D Masked Autoencoders are Robust Learners of Volumetric and Multimodal Cellular Representations for Microscopy

3D掩码自编码器是显微镜体积和多模态细胞表示的鲁棒学习器

Amirhossein Kardoost, Lion Gleiter, Tingying Peng, Carsten Marr

机构 * Institute of AI for Health & Helmholtz AI, Computational Health Center, Helmholtz Munich – German Research Center for Environmental Health（亥姆霍兹慕尼黑中心 - 德国环境健康研究中心，计算健康中心，健康人工智能研究所与亥姆霍兹人工智能） ； Department of Medicine III, Ludwig-Maximilian-University Hospital（路德维希-马克西米利安大学医院第三内科） ； Department of Physics, Ludwig-Maximilian-University（路德维希-马克西米利安大学物理系） ； German Cancer Consortium (DKTK), partner site Munich（德国癌症联盟（DKTK）慕尼黑合作站点） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.LG

AI总结 系统比较2D和3D掩码自编码器在体积显微镜数据上的表现，发现3D模型在下游任务中更优，并通过跨模态对齐和频域正则化进一步提升性能，在蛋白质相互作用和定位任务上达到最先进水平。

Comments Code is available at: https://github.com/marrlab/mae3d-opencell

Nigeria Machinery: A Low-Resource Industrial Dataset with a Domain-Grounded Reasoning Layer

尼日利亚机械：一个具有领域基础推理层的低资源工业数据集

Gospel Bassey, Vincent Fakiyesi

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 针对非洲经济体工业机械数据缺乏问题，发布尼日利亚机械数据集及构建思维链推理示例的方法，解决语言模型构建数据集时领域不明确问题，提升领域基础提示比例，虽有局限性，但为相关研究提供参考。

Comments 10pages, 2 tables

SkillCenter: A Large-Scale Source-Grounded Skill Library for Autonomous AI Agents

SkillCenter：用于自主人工智能代理的大规模源基础技能库

Tianming Sha, Yue Zhao, Lichao Sun, Yushun Dong

机构 * Stony Brook University（纽约州立大学石溪分校） ； University of Southern California（南加州大学） ； Lehigh University（里海大学） ； Florida State University（佛罗里达州立大学） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 研究针对自主AI代理缺乏扎实操作知识的问题，构建SkillCenter技能库，通过多源获取等端到端框架，集成大量源基础和社区技能，实现技能可追溯，以保障代理输出的正确性、安全性和可维护性。

Comments 44 pages, 5 figures. Code: https://github.com/LabRAI/SkillCenter ; Data: https://huggingface.co/datasets/Tommysha/skillcenter-bundles

Comparative Study of Domain-adapted VLMs for General Document Visual Question Answering

用于通用文档视觉问答的领域适应视觉语言模型的比较研究

Miguel Lopez-Duran, Elena Marrero, Julian Fierrez, Marta Robledo-Moreno, Ruben Vera-Rodriguez, Daniel DeAlcala, Aythami Morales, Ruben Tolosana, Oscar Delgado, Alvaro Ortigosa, Javier Ortega-Garcia

机构 * Universidad Autónoma de Madrid (UAM)（马德里自治大学） ； BiometricsAI（生物识别人工智能） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.LG

AI总结 研究对8个开源预训练VLMs在三种文档领域的DocVQA进行全面评估，通过多种评估方式发现其在不同布局性能有差异，参数缩放影响性能，视觉理解是瓶颈，还表明少样本微调能让模型快速适应目标域文档。

Comments 17 pages, 4 figures, accepted at the Automatically Domain-Adapted and Personalized Document Analysis workshop of the ICDAR 2026

Automated Compliance Mapping in Cloud Security with Domain-Adapted Sentence Transformers

基于领域适应句子变换器的云安全自动化合规映射

John Bianchi, Luca Petrillo, Fabio Martinelli, Marinella Petrocchi

机构 * Institute for Informatics and Telematics (IIT-CNR)（信息与电信研究所（意大利国家研究委员会信息与电信研究所）） ； IMT School for Advanced Studies Lucca（卢卡高等研究院） ； Institute for High Performance Computing and Networking (ICAR-CNR)（高性能计算与网络研究所（意大利国家研究委员会高性能计算与网络研究所）） 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.CL

AI总结 研究云安全控制到技术指标的映射自动化问题，核心方法是对句子变换器模型进行领域适应，构建并扩展训练语料库，微调五种架构，在两个任务上评估性能，主要贡献是模型优于零样本基线，证明领域内训练数据对性能的重要性。

Comments 10 pages, 6 figures. Submitted to the 30th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (KES 2026)

Not All Refusals Are Equal: How Safety Alignment Fails Cybersecurity at Scale

并非所有拒绝都是等同的：安全对齐如何在大规模情况下使网络安全失败

Vadym Hadetskyi, Dario Pasquini, Artem Sorokin

机构 * Cracken AI 纠错

专题命中 领域大模型 ：LLM(abstract)；分类 cs.AI

AI总结 研究安全对齐在网络安全领域的问题，通过对24个开源语言模型的实验，以Kimi K2为例展示特定领域删减可行，探讨模型特征与删减效果的关联并分类模型，提出相关猜想。

Comments 14 pages, 11 figures. Under review at NeurIPS 2026

Multi-Turn Agentic Scientific Literature Search via Workflow Induction

通过工作流归纳实现多轮智能科学文献搜索

Jisen Li, Bingxuan Li, Nanyi Jiang, Xuying Ning, Xiyao Wang, Yifan Shen, Heng Wang, Yuqing Jian, Xiaoxia Wu, Ben Athiwaratkun, Pan Lu, Jiaxuan You, Bingxin Zhao

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Together AI ； University of Pennsylvania（宾夕法尼亚大学） ； Stanford University（斯坦福大学） 纠错

专题命中 领域大模型 ：preference optimization(abstract)；分类 cs.CL

AI总结 提出PaperPilot，通过构建可执行DAG工作流进行多轮文献搜索，利用用户反馈优化查询和工作流，显著提升搜索性能并消除执行错误。

Comments 17 pages, 12 figures

A Mathematical Theory of Value: a synthesis on goal-directed agency under resource constraints

价值的数学理论：资源约束下目标导向行为的综合

Cheng Qian

机构 * Cheng Qian（陈倩） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 本文提出价值是目标导向主体在资源约束下转化资源为目标进度的速率，通过尺度不变性公理导出对数度量，并推导出价值编码定理，实现价值与信息论的统一。

Comments Also available at https://doi.org/10.5281/zenodo.20487041 (v6). v2: the pre-registered continuation-gate experiment has been run -- prediction (i) confirmed on real frontier agents; prediction (ii) retired to mathematical scope. Code, pre-registrations, and raw run records: https://github.com/macrokit/value

Text Over Image: Auditing Multimodal Robustness in Synthetic Medical Image Detection

超越视觉取证：审计多模态鲁棒性用于合成医学图像检测

Ching-Hao Chiu, Hao-Wei Chung, Gelei Xu, Xueyang Li, Pin-Yu Chen, John Kheir, Meysam Ghaffari, Carlos Morato, Ahmed Abbasi, Yiyu Shi

机构 * University of Notre Dame（圣母大学） ； IBM Research（IBM研究院） ； Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） ； Optum AI, UnitedHealth Group（Optum AI, 联合健康集团） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 针对合成医学图像检测中多模态鲁棒性不足的问题，提出图像-记录配对基准，揭示视觉语言模型因过度依赖记录上下文而导致的预测偏差。

Comments Accepted at MICCAI 2026. Version 2 is a substantial journal extension of the MICCAI 2026 conference version, with additional provenance perturbations, paired statistical analysis, extended SAVC mitigation experiments, and broader deployment discussion. 19 pages, 3 figures, 2 tables

Token-Sparse Medical Multimodal Reasoning via Dual-Stream Reinforcement Learning

通过双流强化学习实现令牌稀疏的医学多模态推理

Kaitao Chen, Weiqian Zhao, Jiamin Wu, Qihao Zheng, Shangquan Sun, Chunfeng Song, Xiaosong Wang, Mu Zhou, Mianxin Liu

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 提出双流强化学习框架ViToS，通过主动视觉令牌剪枝实现令牌稀疏的医学多模态推理，在七个医学基准上减少77%令牌并提升性能。

Comments ICML2026

Closing the Loop to Discover Psychological Theories with an Automated Cognitive Scientist

闭环发现心理学理论：自动化认知科学家

Akshay K. Jagadish, Younes Strittmatter, Nori Jacoby, George Kachergis, Eric Schulz, Nathaniel Daw, Suyog H. Chandramouli, Thomas L. Griffiths

专题命中 领域大模型 ：language model(abstract)；分类 cs.AI

AI总结 提出AutoCog系统，利用大语言模型代理自动生成、测试和优化认知理论，在决策领域发现并验证了新理论。

Comments 44 pages, 9 figures

EHR-Complex: Benchmarking Medical Agents for Complex Clinical Reasoning

EHR-Complex：面向复杂临床推理的医疗智能体基准测试

Yitong Qiao, Lei Liu, Yue Shen, Jian Wang, Jinjie Gu, Zhixuan Chu, Kui Ren

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） 纠错

专题命中 领域大模型 ：LLM(abstract_cn)；分类 cs.AI

AI总结 提出EHR-Complex基准，基于MIMIC-IV构建约5.2万项交互式临床数据库推理任务，评估智能体在复杂SQL和代码执行中的表现，揭示主要失败模式。

Learning Moral Diversity: Modelling Individual Perspectives in Moral Classification of Texts

学习道德多样性：在文本道德分类中建模个体视角

Yi Ren, Lewis Mitchell, Matthew Roughan

机构 * School of Mathematical Sciences, Adelaide University（阿德莱德大学数学科学学院） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL

AI总结 针对社交媒体文本道德分类中标注者主观性导致的分歧，提出在预训练语言模型中加入学习标注者特定特征的层，改进个体标注预测并揭示道德视角差异。

Comments Accepted at the Seventh Workshop on NLP and Computational Social Science. 12 pages, 7 figures

Human and AI collaboration for pulmonary nodule segmentation

人类与AI协作进行肺结节分割

Hongqiao Dong, Wenhao Chi, Ruobing Liang, Xiaokui Yang, Wenhua Liang, Peng Hou, Wenjun Pu, Yipeng Zhao, Ping Chen, Haiping Liu, Jianxing He, Bo Liu

机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（数学科学国家重点实验室，数学与系统科学研究院，中国科学院） ； PET/CT Center, The First Affiliated Hospital of Guangzhou Medical University（广州医科大学第一附属医院PET/CT中心） ； Department of Thoracic Surgery and Oncology, The First Affiliated Hospital of Guangzhou Medical University（广州医科大学第一附属医院胸外科与肿瘤科） ； Department of Mathematical Science, Tsinghua University（清华大学数学科学系） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学尤金数学科学中心） ； China State Key Laboratory of Respiratory Disease & National Clinical Research Centre for Respiratory Disease, Guangzhou, China（中国呼吸疾病国家重点实验室及呼吸疾病临床研究中心，广州，中国） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院） ； National Center for Respiratory Medicine, National Clinical Research Center for Respiratory Disease, Guangzhou Institute of Respiratory Health, The First Affiliated Hospital of Guangzhou Medical University（呼吸医学国家中心、呼吸疾病临床研究中心、广州呼吸健康研究院、广州医科大学第一附属医院） 纠错

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.AI

AI总结 提出Hi-Seg框架，基于SAM通过人类迭代优化提示实现肺结节分割，在12中心1179例CT上平均Dice达85%，优于多种深度学习模型，并降低标注时间。

One-Shot Data Selection for Medical Image Classification via Graph Coverage

基于图覆盖的医学图像分类一次性数据选择

Zahiriddin Rustamov, Nadia Badawi, Rafat Damseh, Nazar Zaki

机构 * United Arab Emirates University（阿拉伯联合酋长国大学） ； KU Leuven（鲁汶大学） 纠错

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.LG

AI总结 提出一种基于图的一次性数据选择方法，利用预训练编码器的k近邻图构建热扩散核，通过贪婪设施位置选择最大化数据流形覆盖的子集，在五个MedMNIST数据集上优于基线方法。

Comments Accepted at MICCAI 2026

SciLens: Multi-modal Scientific Claim Verification with Agentic Entailment and Grounding

SciLens: 多模态科学声明验证的智能蕴含与归因框架

Yueming Wang, Tianshi Zheng, Jiaxin Bai, Yangqiu Song, Ginny Wong, Simon See

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong Baptist University（香港浸会大学） ； NVIDIA AI Technology Center（英伟达人工智能技术中心） 纠错

专题命中 领域大模型 ：language model(abstract)；分类 cs.CL

AI总结 提出SciLens框架，通过将声明分解为原子命题并归因到表格/图表证据，实现多模态科学声明验证，在SciClaimEval上达到79.2%宏F1和63.1%配对准确率。

Comments KDD 2026 SciSoc Agents & LLMs (Oral)

Democratizing and accelerating AI-driven pathology research through agentic intelligence

通过智能体智能实现AI驱动病理学研究的民主化与加速

Jiabo Ma, Cheng Jin, Yihui Wang, Hao Jiang, Ling Liang, Yingxue Xu, Junlin Hou, Zhengrui Guo, Zhengyu Zhang, Yifei Xia, Hongyi Wang, Fengtao Zhou, Zhe Xu, Huajun Zhou, Jiarui Ouyang, Qian Zeng, On Ki Tang, Eunhyang Park, Carolyn Glass, Ronald Cheong Kin Chan, Li Liang, Hao Chen

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Southern Medical University（南方医科大学） ； Nanfang Hospital（南方医院） ； Guangdong Province Key Laboratory of Molecular Tumor Pathology（广东省分子肿瘤病理重点实验室） ； Jinfeng Laboratory（金凤实验室） 纠错

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.AI

AI总结 提出PathLab框架，通过结构化组合领域技能和工具，将自然语言研究目标转化为可执行的计算病理学工作流，在12个数据集上达到与专家实现相当的性能，并显著降低编程门槛。

Comments 29 pages, 4 figures