医学 AI

PFed-Signal: An ADR Prediction Model based on Federated Learning

PFed-Signal: 基于联邦学习的不良反应预测模型

Tao Li, Peilin Li, Kui Lu, Yilei Wang, Junliang Shang, Guangshun Li, Huiyu Zhou

机构 * School of Computer Science Qufu Normal University（计算机科学学院、曲阜师范大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.LG

AI总结 PFed-Signal通过联邦学习和Transformer模型消除偏见数据，提升不良反应预测的准确性和性能。

Comments IEEE International Conference on Bioinformatics and Biomedicine

A Weak Signal Learning Dataset and Its Baseline Method

弱信号学习数据集及其基线方法

Xianqi Liu, Xiangru Li, Lefeng He, Ziyu Fang

机构 * School of Artificial Intelligence, South China Normal University（人工智能学院，华南师范大学） ； School of Computer Science, South China Normal University（计算机学院，华南师范大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出一个专为弱信号学习设计的数据集和PDVFN模型，通过双视角表示和多尺度特征提取，提升低信噪比和类别不平衡场景下的模型性能。

HiSciBench: A Hierarchical Multi-disciplinary Benchmark for Scientific Intelligence from Reading to Discovery

HiSciBench: 一个分层多学科基准，用于从阅读到发现的科学智能

Yaping Zhang, Qixuan Zhang, Xingquan Zhang, Zhiyuan Chen, Wenwen Zhuang, Yupu Liang, Lu Xiang, Yang Zhao, Jiajun Zhang, Yu Zhou, Chengqing Zong

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of the Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV

AI总结 HiSciBench是一个分层多学科基准，用于评估从阅读到发现的科学智能，涵盖五个层次，揭示了模型在不同科学推理阶段的能力差异。

ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning

ClinDEF: 一种用于大语言模型临床推理的动态评估框架

Yuqi Tang, Jing Yu, Zichang Su, Kehua Feng, Zhihui Zhu, Libin Wang, Lei Liang, Qiang Zhang, Keyan Ding, Huajun Chen

机构 * ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州全球科技创新中心） ； ZJU-UIUC Institute, Zhejiang University（浙江大学UIUC研究院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； The Polytechnic Institute, Zhejiang University（浙江大学 polytechnic 院） ； AntGroup（蚂蚁集团） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 ClinDEF通过模拟诊断对话评估大语言模型的临床推理能力，利用疾病知识图谱生成病例并进行多轮交互，提供细粒度效率分析和诊断质量评估，揭示LLM在临床推理中的关键不足。

Comments 23 pages, 4 figures, under review

DICE: Discrete Interpretable Comparative Evaluation with Probabilistic Scoring for Retrieval-Augmented Generation

DICE：基于概率评分的离散可解释比较评估用于检索增强生成

Shiyan Liu, Jian Ma, Rui Qu

机构 * School of Computer Science and Technology（计算机科学与技术学院） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 DICE提出一种基于概率评分的两阶段框架，提升RAG评估的可解释性和稳健性，通过透明判断和系统性错误诊断，实现高效且可信的评估。

Comments Accepted at ResponsibleFM @ NeurIPS 2025