医学 AI

Interpretable Information-Decomposed Brain Graph Learning for fMRI-based Disease Diagnosis

基于fMRI的疾病诊断的可解释性信息分解脑图学习

Dengyi Zhao, Zhiheng Zhou, Zihan Wang, Guiying Yan, Xingqin Qi

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG、q-bio

AI总结 该研究针对fMRI疾病诊断中传统方法的不足，提出可解释图学习框架IID-GCN，分解rs-fMRI交互为三类信息图，整合后在三个数据集上捕捉到更优诊断信息，揭示脑疾病对功能信息组织的重塑作用。

Comments 10 pages, 7 figures

Multilingual Verifier Bias in RLVR: Benchmark, Rollout Diagnosis, and the Cross-Lingual Selection Bottleneck

RLVR中的多语言验证器偏差：基准、推理诊断与跨语言选择瓶颈

Chenyu Zhou, Qiliang Jiang, Xu Zhou

机构 * School of Engineering, Institute of Science Tokyo（科学东京大学工程学院） ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程学院） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG

AI总结 研究发现多语言RLVR中存在验证器偏差，引入审计协议定位到最终答案接口的机制，提出跨语言选择瓶颈，rule-GRPO可提升可信准确率。

Comments 16 pages, 2 figures, 5 tables

Fault Diagnosis of Dynamic Systems Under Unknown Operating Conditions: A Condition-Guided Selective Adaptation Approach

未知工况下动态系统的故障诊断：一种工况引导的选择性自适应方法

Jiaming Liu, Zeyi Liu, Hongshuo Zhao, Pengyu Han, Xiao He

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 针对未知工况下动态工业系统故障诊断的分布偏移问题，提出工况引导的选择性自适应方法，通过离线对抗学习与在线可靠样本更新提升诊断性能，在齿轮箱、电机数据集上优于现有最优方法，具实用潜力。

Spike-Killer: Evidence-Gated LLM Assistance for Safe Performance Diagnosis on a Real Windows Workstation

Spike-Killer：面向真实Windows工作站安全性能诊断的证据门控大语言模型辅助方案

Baocheng Zeng, Jinhao Yang

专题命中 诊断辅助 ：diagnosis(title)

AI总结 该研究提出Spike-Killer，一种人在环的证据门控工作流，用于安全诊断Windows工作站的帧时间问题，以CS2为目标应用验证了其可审计性，为LLM辅助智能体提供了可信操作模式。

Comments 6 pages. Experience report; no causal CS2 frame-time improvement or autonomous-safety claim is made

Winter Precipitation Type Diagnosis and Uncertainty Quantification with a Physically Consistent Machine Learning Method

冬季降水类型诊断与不确定性量化：一种物理一致的机器学习方法

Charlie Becker, David John Gagne II, Julie Demuth, John S. Schreck, Jacob Radford, Gabrielle Gantos, Eliot Kim, Dhamma Kimpara, Sophia Reiner, Justin Willson, Christopher D. Wirz

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出了一种物理一致的机器学习方法，用于诊断冬季降水类型并量化不确定性，通过训练模型于质量控制的观测数据和垂直剖面数据，提升了对降水类型的预测准确性及不确定性评估。

Comments 24 pages, 11 figures, submitted to AMS Weather and Forecasting

On the Within-class Variation Issue in Alzheimer's Disease Detection

阿尔茨海默病检测中的类内差异问题

Jiawen Kang, Dongrui Han, Lingwei Meng, Jingyan Zhou, Jinchao Li, Xixin Wu, Helen Meng

机构 * The Chinese University of Hong Kong（香港中文大学） ； Centre for Perceptual and Interactive Intelligence（感知与交互智能中心） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG、q-bio

AI总结 针对阿尔茨海默病检测中存在的类内差异问题，提出软目标蒸馏和实例级重平衡两种方法，在ADReSS和CU-MARVEL语料库上验证了方法的有效性，为相关建模提供了新思路。

Comments Accepted by Interspeech 2025. This is an extended version of the conference paper

LTR-ICD: A Ranking-Aware Framework for Automatic ICD Coding

LTR-ICD：一种用于自动ICD编码的排名感知框架

Mohammad Mansoori, Amira Soliman, Farzaneh Etminani

机构 * Center for Applied Intelligent Systems Research（应用智能系统研究中心） ； Halmstad University（哈马碧大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本研究提出LTR-ICD框架，将自动ICD编码任务从分类改为分类与排名任务，在主要诊断编码排名准确率及微、宏F1值上均优于现有最优方法。

Comments 9 pages, including supplementary materials

Beyond Fault Localization: A Trajectory-Level Study of LLM Agents for Microservice Root Cause Analysis

超越故障定位：面向微服务根本原因分析的大语言模型智能体的轨迹级研究

Qisheng Lu, Aoyang Fang, Junjielong Xu, Jin'ao Shang, Songhan Zhang, Yifan Yang, Xiaochuan Yan, Pinjia He

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究针对微服务根本原因分析，提出轨迹级评估框架，发现智能体答案正确性与诊断质量脱节，构建DiagGuard架构提升了RCA的Acc@1指标，为自动化RCA改进提供指导。

Comments 13 pages, 7 figures, 5 tables

Calibrating Criterion Revision in LLM Agents: Failure Modes and a Trace-Anchored Protocol

校准大语言模型智能体中的准则修订：失败模式与基于轨迹锚定的协议

Guodong Xu

机构 * Qingdao Guodongxiansheng Network Technology Co., Ltd.（青岛郭东先生网络科技有限公司） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文针对大语言模型智能体的准则修订归因问题，分析CMB-0.1测试的失败模式，提出基于轨迹锚定的CMB-0.4协议，为准则修订测试提供更具区分度的方案。

Comments 18 pages, 8 tables, 1 figure. CMB-0.1 is an instrument-calibration study; CMB-0.4 is a prospective protocol, not an empirical result

Prompt-Induced Waste in Coding Agents: Reasoning, Effort, Harness Design, and End-to-End Cost

提示词诱导的大推理模型浪费：一项预注册的双框架编码智能体基准测试

Sarel Weinberger, Amir Hozez

机构 * PointFive 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究通过预注册基准测试发现，提示词措辞和智能体框架会大幅影响大推理编码智能体的成本，部分提示指令可成倍增加推理成本却不提升任务成功率，框架选择的成本差异更显著。