医学 AI

PathAgentBench: Benchmarking Evidence-Seeking Vision-Language Models on Whole-Slide Pathology Image

PathAgentBench：在全切片病理图像上对寻求证据的视觉语言模型进行基准测试

Dankai Liao, Tianyi Zhang, Yufeng Wu, Xinyue Zhang, Qiaochu Xue, Zeyu Liu, Dachun Zhao, Linghan Cai, Yueming Jin

机构 * National University of Singapore（新加坡国立大学） ； PuzzleLogic Pte Ltd（拼图逻辑私人有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区） ； Peking Union Medical College Hospital（北京协和医院） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 研究针对全切片病理图像诊断中证据获取与整合问题，引入PathAgentBench基准，评估视觉语言模型的四项互补能力，包含多模型评估结果，揭示了证据推理与获取间的差距，为改进病理模型提供统一框架。

ADMIL: Attention-Distilled Multiple Instance Learning for Selective Foundation Model Inference in Pathology

ADMIL：用于病理学选择性基础模型推理的注意力蒸馏多实例学习

Duncan Stothers, Ren-Chin Wu, William Lotter

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV、cs.LG

AI总结 ADMIL是将ABMIL教师注意力蒸馏为轻量级图块选择模型PriorNet的选择性计算框架，在多个病理数据集上可移除>98%的基础模型图块编码且不损失切片级性能，提升了部署效率。

CHIMERA Challenge: Biochemical Recurrence Prediction in Prostate Cancer Patients using multimodal datasets

CHIMERA挑战赛：利用多模态数据集预测前列腺癌患者的生化复发

Robert N. Spaans, Catherine Chia, Tongjie Wang, Adam Kowalewski, Parandzem Khachatryan, Domingos Oliveira, Khrystyna Faryna, Jean-Paul A. van Basten, Geert Litjens, Nadieh Khalili

专题命中 病理影像 ：MRI(abstract,abstract_cn)；分类 cs.CV、eess.IV；medical image(comments)

AI总结 本研究开发首个公开标准化前列腺癌预后多模态基准CHIMERA挑战赛，整合多类数据建立数据集，发现多模态模型在缺失临床变量时更稳健，单模态临床模型性能更高但对变量完整性敏感。

Comments 38 pages, 3 figures, 3 supplementary figures. Preprint submitted to Medical Image Analysis. Challenge results presented at the CHIMERA workshop, MICCAI 2025. Challenge website: this https URL (https://chimera.grand-challenge.org/chimera/)

Exploring learning environments for label\-efficient cancer diagnosis

探索用于标签高效癌症诊断的学习环境

Samta Rani, Tanvir Ahmad, Sarfaraz Masood, Chandni Saxena

专题命中 病理影像 ：diagnosis(title)；分类 cs.CV

AI总结 本研究考察监督学习、半监督学习、自监督学习三种学习环境，用三种预训练模型在七个训练集上预测肾癌、肺癌、乳腺癌，发现半监督学习结果与监督学习高度一致，是标签受限场景的高可行替代方案。

Comments The submission is being withdrawn due to an authorship disagreement among the co-authors

LanGuSTE: Language-Guided Coarse-to-Fine Patch Selection for Efficient Whole Slide Image Analysis

LanGuSTE：用于高效全切片图像分析的语言引导粗到细补丁选择

Yonghan Shin, Gangsu Kim, Won-Ki Jeong

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 该研究针对全切片图像分析的高计算成本问题，提出LanGuSTE框架，通过跨尺度视觉提示调优和粗到细补丁选择，在保持诊断性能的同时将处理时间降至约3倍。

Does DESI Provide Evidence for Dynamical Dark Energy?

DESI是否为动力学暗能量提供证据？

Nicola Bamonti

专题命中 病理影像 ：pathology(abstract)

AI总结 本文针对DESI结果，区分暗能量相关的三个主张，证明DESI支持数据不支持ΛCDM的主张、偏好非(-1,0)的CPL参数，但未证明存在动力学暗能量分量，指出物质与引力领域的解读不确定性并对巡天报告给出启示。

Reasoning Shortcuts and Value Symmetries: What Symmetry Permits, Architecture Realizes, and Optimization Selects

推理捷径与价值对称性：对称性允许什么、架构实现什么以及优化选择什么

Xin Xu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 病理影像 ：pathology(abstract)

AI总结 该研究分析神经符号系统的推理捷径，发现现有框架的关键定义不适用于其评估的基准，重新测量揭示无法解释的对比例与可证明结构相关，还明确了对称性惰性、自同构存在性等问题的计算复杂度，区分了对称性允许与优化选择的内容。

Comments 62 pages, 2 figures, 8 tables. Under review

Answer First, Reason Later: When Commitment Order Costs Accuracy in Diffusion Language Models

先给出答案，后进行推理：扩散大语言模型中的承诺顺序

Jewon Yeom, Jaewon Sok, Seonghyeon Park, Jeongjae Park, Hwiyeong Lee, Taesup Kim

机构 * Graduate School of Data Science, Seoul National University（首尔国立大学数据科学研究生院） 纠错

专题命中 病理影像 ：pathology(abstract)

AI总结 本研究发现扩散大语言模型（dLLMs）的任意顺序提交机制会导致推理失败，通过前沿门控承诺干预可恢复推理性能，同时保留并行解码优势。