医学 AI

TTSR: Test-Time Self-Evolving via Reflection

TTSR: 测试时自我反思以提升持续推理能力

Haoyang He, Zihua Rong, Yunjia Zhao, Lan Yang, Jian Chang, Honggang Zhang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Southwestern University of Finance and Economics（西南财经大学） 纠错

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

AI总结 TTSR通过测试时自我反思机制，利用学生与教师角色交替，持续改进大语言模型的推理能力。

Comments EMNLP 2026 Main Conference

Mandarin Humorous Homophone Recognition and Disambiguation in Automatic Speech Recognition

自动语音识别中的中文幽默同音字识别与歧义消解

Sicheng Jin, Jinghao Chen, Mostafa Shahin, Beena Ahmed, Aditya Joshi

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究针对第二语言中文发音学习的MDD需求，提出基于音系特征的Wav2Vec2-CTC框架，区分音段与声调错误，可降低FAR与DER，提供更详细的诊断反馈。

Comments Accepted for publication at ISCSLP 2026

From General Agents to RCA Experts: A Self-Evolving Harness for Root Cause Analysis

从通用智能体到RCA专家：一种用于根因分析的自演化框架

Haiyu Huang, Jiewei Lyu, Zhihan Jiang, Jinyang Liu, Xiao He, Tieying Zhang, Wu Xiang, Michael R. Lyu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究提出自演化RCA框架OpsHarness，复用通用智能体能力，通过双门验证演化，在基准与工业场景中大幅提升RCA准确率。

CDEG: Learning Decision-Critical Evidence for Long-Horizon Diagnostic Agents

CDEG：为长程诊断智能体学习决策关键证据

Xiwei Dai, Zijie Meng, Zhiting Fan, Yixuan Tang, Guanyu Jiang, Ziru Niu, Zuozhu Liu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究提出基于图的框架CDEG，通过对比同一病例的成功与失败轨迹、受控反事实干预等学习决策关键证据，在多基准测试中使长程诊断智能体准确率最高提升11.5%。

Comments 9 pages, 5 figures

A Joint Bayesian Boolean Matrix Factorization with Application to Chromosomal Copy Number Alterations in Multiple Myeloma

联合贝叶斯布尔矩阵分解及其在多发性骨髓瘤染色体拷贝数变异中的应用

Adolphus Wagala, Samur Mehmet, Giovanni Parmigiani

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究针对现有布尔矩阵分解未利用相关数据集共享潜在结构的问题，提出JBBMF模型，通过共享潜在结构联合分解二元矩阵，在模拟和多发性骨髓瘤数据应用中提升了因子恢复与分析效果。

Layer-Order Inversion: Rethinking Latent Multi-Hop Reasoning in Large Language Models

层序倒置：重新思考大语言模型中的潜在多跳推理

Xukai Liu, Ye Liu, Jipeng Zhang, Yanghai Zhang, Kai Zhang, Qi Liu

机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出"层序倒置"现象，通过概率性回忆与提取框架解释大语言模型中多跳推理的机制，揭示了层序倒置与总跳步数的关系，并提供了多跳失败的诊断方法。

Comments 16 pages, 18 figures, EMNLP 2026 Main

Resolving Multi-Modal Regression by Difference-Quotient-Based Clustering:Fast Coarse Conditional-Label Assignment

基于差商聚类的多模态回归解决方法：快速粗粒度条件标签分配

Huang Weiquan

机构 * Guangdong Polytechnic Normal University（广东技术师范大学） 纠错

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

AI总结 针对多模态回归的均值崩溃问题，提出差商聚类（DQC）方法，通过最小化簇内差异分配标签，在合成基准上取得优于随机标签和均值崩溃的最小平方误差，为后续生成优化减轻负担。

What Do Medical Vision-Language Models Learn in Radiology? Transfer, Alignment, and Source-Proxy Leakage Under Distribution Shift

医学视觉-语言模型在放射学中学到了什么？分布偏移下的迁移、对齐与源代理泄露

Ayoub Louaye Bouaziz, Lokmane Chebouba, Yassine Himeur

机构 * University of Constantine（康斯坦丁大学） ； University of Dubai（迪拜大学） ； University of Western Brittany（西布列塔尼大学） 纠错

专题命中 医疗多模态 ：radiology(title)；分类 cs.CV

AI总结 本研究针对医学视觉-语言模型在分布偏移下的失效问题，探究其跨数据集迁移、多模态对齐及源代理泄露特性，发现表观能力掩盖相关失效模式，推动对该类模型的压力测试评估。

When Retrieval Helps and Distracts: Evaluating Evidence-Generating LLMs for Biomedical Claim Verification

检索何时有助何时干扰：评估用于生物医学声明验证的生成证据的大型语言模型

Pritam Deka, Prabhjot Singh

机构 * Queen’s University Belfast（贝尔法斯特女王大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 该研究针对生物医学声明验证，在CARE-XAI基准上对比多种模型，发现微调大型语言模型生成证据能力最强，PubMed检索效果因来源而异，还提出Bio-GRACE工具评估检索效用，推动选择性检索发展。

Towards World Models in Biomedical Research

迈向生物医学研究的世界模型

Guangyu Wang, Jingkun Yue, Siqi Zhang, Yu Liu, Xiaoyu Wang, Mingyuan Meng, Changwei Ji, Zongbo Han, Yulin Wang, Yang Yue, Frank Fu, Ting Chen, Song Wu, Ziwei Liu, Jiangning Song, Ming Li, Gao Huang, Xiaohong Liu, Athanasios Vasilakos, Xingcai Zhang, Ping Zhang, Yong Li

机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China（网络与交换技术国家重点实验室，北京邮电大学，北京，中国） ； Department of Engineering Science, University of Oxford, Oxford, United Kingdom（英国牛津大学工程科学系，牛津，英国） ； Institute of Medical Artificial Intelligence, South China Hospital, Medical School, Shenzhen University, Shenzhen, Guangdong, China（医学人工智能研究所，南方医院，医学学院，深圳大学，深圳，广东，中国） ； Zhongguancun Academy & Zhongguancun Institute of Artificial Intelligence, Beijing, China（中关村学院及中关村人工智能研究院，北京，中国） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, 100084, Beijing, China（北京信息科学与技术国家研究中心（BNRist），清华大学，100084，北京，中国） ； Department of Chemical and Nano Engineering, University of California, San Diego, La Jolla, CA, USA（美国加州大学圣地亚哥分校化学与纳米工程系，La Jolla，CA，美国） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Monash Biomedicine Discovery Institute and Department of Biochemistry and Molecular Biology, Monash University, Melbourne, Victoria, Australia（莫纳什大学生物医学发现研究所和生物化学与分子生物学系，墨尔本，维多利亚，澳大利亚） ； David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Ontario, Canada（加拿大滑铁卢大学戴维·R·切里顿计算机科学学校，滑铁卢，安大略，加拿大） ； Department of ICT and Center for AI Research, University of Agder (UiA), Jon Lilletuns vei 9, Grimstad, Norway（挪威阿格德大学（UiA）信息与通信技术系及人工智能研究中心，Jon Lilletuns vei 9，Grimstad，挪威） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 提出生物医学世界模型作为AI驱动发现的新范式，通过学习分子、细胞、组织和临床状态的潜在表征及干预条件动态，实现未来轨迹模拟，并探讨其在虚拟细胞、类器官、虚拟患者和手术模拟等应用中的潜力。

Understanding statistics for biomedical research through the lens of replication

通过复制的视角理解生物医学研究中的统计学

Huw Llewelyn

专题命中 生物医学文本 ：biomedical(title)

AI总结 通过复制视角分析生物医学研究中的统计学问题，指出复制概率受样本量和方差影响，并提出改进方法以提高复制可靠性。

Comments 30 pages, 3 figures, 2 tables. This paper includes a large amount of work that was done subsequently after comments and supersedes a previous paper submitted to arXiv (Reference number: 2403.16906 (https://arxiv.org/abs/2403.16906). I have not deleted or replaced the latter in case the moderators prefer both papers to be readable side-by-side

Interpreting Protein Language Model Embeddings via Orthogonal Projection for Protein Fitness Prediction

通过正交投影解释蛋白质语言模型嵌入以用于蛋白质适应性预测

Paulo Yanez Sarmiento, Pia Francesca Rissom, Manuel Pfeuffer, Marco Simnacher, Jordan F. Safer, Sumaiya Iqbal, Henrike O. Heyne, Nadja Klein, Bernhard Y. Renard

机构 * Hasso Plattner Institute, University of Potsdam（波茨坦大学哈索·普拉特纳研究所） ； Broad Institute of MIT and Harvard（麻省理工学院及哈佛大学布罗德研究所） ； Humboldt University of Berlin（柏林洪堡大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG、q-bio

AI总结 本研究提出通过正交投影技术去除蛋白质语言模型嵌入中的可解释生化特征效应，证明其编码与生化特性相关的模式并量化其对蛋白质适应性预测的贡献，该方法可迁移至其他问题场景。

Comments Preprint

Room-temperature graphene sub-terahertz detector integrated on a silicon dielectric waveguide

集成在硅介质波导上的室温石墨烯亚太赫兹探测器

A. Titchenko, K. Shein, M. Titova, M. Kashchenko, O. Popova, R. Izmaylov, E.I. Titova, I. Gayduchenko, G. Goltsman

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本研究展示了单片集成在高电阻率硅介质波导上的室温石墨烯亚太赫兹探测器，实现了D波段探测，其电压响应度达11.5 V/W，为全集成室温太赫兹光子回路提供了可行方案。

CardioFusion-AI: Robust ECG--PPG Fusion for Multimodal Physiological Monitoring Under Signal Degradation

CardioFusion-AI：信号退化下用于多模态生理监测的鲁棒心电图-光电容积脉搏波融合方法

Navaneetha Krishnan Kamalakannan, Janakiraman Kamalakannan

专题命中 健康监测 ：分类 cs.LG、q-bio、eess.SP；biomedical(comments)

AI总结 本研究提出 CardioFusion-AI 框架，通过信号处理前端与自适应融合策略，在多模态生理信号退化场景下实现鲁棒监测，验证了其在不同退化条件下的性能表现。

Comments 7 pages, 4 figures. Under review at IEEE Journal of Biomedical and Health Informatics. Code: this https URL (https://github.com/ka-cyber/CardioFusion-AI)

Key Point Analysis Needs Structure Recovery: Task Definition, Dataset Diagnosis, and a Structure-Aware Benchmark

关键点分析需要结构恢复：任务定义、数据集诊断及结构感知基准

Zhiqiang Shi, Oana Cocarascu

机构 * King’s College London（伦敦国王学院） 纠错

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

AI总结 该研究定义关键点分析（KPA）为结构化预测问题，诊断现有KPA基准缺陷，构建人机协同标注的结构感知基准并发布相关资源，为KPA研究提供支持

Can You Trust Frozen Hematology Foundation Models under Acquisition Shift?

在采集分布偏移下你能信任冻结的血液学基础模型吗？

Jai Kumar Sharma, Peeyush Tapadiya

机构 * Virginia Tech（弗吉尼亚理工大学） ； Accenture（埃森哲） 纠错

专题命中 医学数据与评测 ：pathology(abstract)；分类 cs.CV、q-bio

AI总结 该研究审计15种冻结编码器在采集分布偏移下的鲁棒性，发现跨域性能骤降，提出CBR方法改善部分场景，强调血液学FM基准需同时审计准确率、校准等多维度指标。

Comments Accepted at the HemaRAI 2026 workshop (MICCAI 2026 satellite event), oral presentation; to appear in MICCAI 2026 Satellite Events, LNCS, Springer. 25 pages (10 main incl. references + 15 supplementary), 4 figures. Project page: this https URL (https://jaishrm07.github.io/hematology-fm-robustness/)

MTDiag: A Multi-Turn Diagnostic Dataset Towards Clinically Meaningful LLM Evaluation

MTDiag：面向临床有意义的大语言模型评估的多轮诊断数据集

Pia Chouayfati, Alexander M. Fichtl, Miriam Anschütz, George Doumat, Georg Groh

机构 * Technical University of Munich（慕尼黑工业大学） ； UT Southwestern（西南大学（德克萨斯州）） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本研究针对现有医学大语言模型评估基准无法反映临床多轮交互诊断能力的问题，构建了多轮诊断数据集MTDiag，并提出临床知识导向的多轮鉴别诊断评估指标。

Comments 20 pages, published in the SIGDIAL 2026 conference proceedings, see this https URL (https://aclanthology.org/2026.sigdial-1.58/)

ToolMinimize: Auditing and Rewriting LLM Agent Tool Calls to Minimize Privacy Exposure

ToolMinimize：审计与重写大语言模型智能体的工具调用以最小化隐私暴露

Wenbiao Li, Yuqiao Xu

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 ToolMinimize是一款中间件，通过拦截并重写LLM智能体的工具调用参数，结合schema感知分析与四种操作，在保证100%任务有效性的同时大幅降低隐私暴露，可选层可进一步提升效果，延迟极低。

From Blind Edits to Verified Repair: Building Trustworthy User-Side LLM Agents for Web Accessibility

从盲编辑到经验证的修复：构建可信的用户端大语言模型智能体以实现网页可访问性

Lily Bundgaard Wanscher, Markus Heidemann Lorensen, Mohammed Ammad Shafiq, Mahyar Tourchi Moghaddam, Mina Alipour

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本研究构建了用户端LLM智能体的三个核心模块，通过双条件协议诊断盲编辑的缺陷，再结合验证修复工具实现了网页可访问性的可信修复，相关资源已公开。

Comments Accepted to be presented at ICME 2026 (5-9 October, Napoli, Italy) and to be published in ICMI companion proceedings by ACM

Clinically Grounded Privacy Evaluation of Medical LMs

临床导向的医学语言模型隐私评估

Sasha Ronaghi, Sana Tonekaboni, Lena Stempfle, Vivian Utti, Jordan Li Cahoon, Nathaniel Hendrix, Ayin Vala, Marzyeh Ghassemi, Emily Alsentzer

机构 * Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； American Board of Family Medicine（家庭医学认证委员会） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 提出临床导向框架，按对抗访问等级评估医学语言模型隐私泄露，发现常规元数据可导致高比率逐字记忆和敏感诊断恢复，但部分记忆源于模板化文档。