医学 AI

Robin-Neumann Coupling of PINN and FEM Solvers: A Steklov-Poincaré View, with Application to Fluid-Structure Interaction with Contact

Robin-Neumann 耦合 PINN 与 FEM 求解器：基于 Steklov-Poincaré 视角及其在流固耦合接触问题中的应用

Mikel Landajuela

机构 * Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） 纠错

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

AI总结 提出基于域分解的 PINN-FEM 耦合框架，通过 Steklov-Poincaré 算子理论证明 Robin-Neumann 迭代的收缩性，并引入傅里叶模态探针诊断网络谱上限，在接触流固耦合问题中实现无网格拓扑变化。

Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation

皮肤肿瘤皮肤镜图像的级联分类：可控敏感度与外部临床验证

Elena S. Kozachok, Sergey S. Seregin, Aleksandr V. Kozachok, Ilya P. Latyshev, Oleg I. Samovarov

机构 * Ivannikov Institute for System Programming of the Russian Academy of Sciences (ISP RAS)（俄罗斯科学院伊万尼科夫系统编程研究所） ； Orel Oncological Dispensary（奥廖尔肿瘤医院） 纠错

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

AI总结 本研究比较了四种深度学习架构在皮肤镜图像分类中的表现，提出一种两阶段级联分类方案，通过可调分诊阈值实现敏感度控制，并在外部临床数据集上验证了泛化差距。

Comments 28 pages, 8 figures, 10 tables

Scalable anomaly detection via a univariate Christoffel function

通过单变量Christoffel函数实现可扩展的异常检测

Florian Grivet, Didier Henrion, Jean-Bernard Lasserre, Louise Travé-Massuyès

机构 * LAAS-CNRS（法国国家自动控制研究所） ； University of Toulouse（图卢兹大学） ； CNRS（国家科学研究中心） ； Faculty of Electrical Engineering, Czech Technical University in Prague（布拉格捷克技术大学电子工程系） 纠错

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

AI总结 针对Christoffel函数方法因矩阵大小随维度指数增长而难以应用于高维数据的问题，提出基于查询点与支撑点间平方距离的单变量Christoffel函数（UCF），在ADBench基准上平均精度优于14种基线方法。

From Architecture to Output: Structural Origins of Hallucination in Large Language Models and the Amplifying Role of Data

从架构到输出：大语言模型中幻觉的结构性起源及数据的放大作用

Md. Rejaul Korim Sadi, Toufiqur Rahman Tasin, Golam Mostofa Naeem

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文分析大语言模型幻觉的结构性根源，指出自注意力、最大似然估计训练目标和自回归解码三个架构决策构成复合失效系统，并揭示数据病理如何放大这些脆弱性。

Comments 11 pages, 7 figures, 15 references

LargeMonitor: Monitoring Online Task-Free Continual Learning via Large Pretrained Models

LargeMonitor: 通过大型预训练模型监控在线无任务持续学习

Mingqi Yuan, Xiaoquan Sun, Shihao Luo, Jiayu Chen

机构 * HKU（香港大学） ； Qicore Tech（启科科技） 纠错

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

AI总结 提出LargeMonitor框架，利用大型预训练模型（LVM和LMM）解耦检测与诊断，实现无任务持续学习中的零样本漂移检测和语义病因诊断，提升现有算法性能。

Teacher-Free Self-Training Amplifies but Does Not Compound: A Pass@$K$ Crossover on a Free-Verifier Domain

无教师自训练放大但不复合：自由验证器域上的 Pass@$K$ 交叉

Igor Lima Strozzi

机构 * Federal University of Rio de Janeiro（里约热内卢联邦大学） 纠错

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

AI总结 在自由验证器域上，使用无教师自训练（STaR）和批评者指导的选择，发现自训练放大模型能力但不复合，通过 Pass@$K$ 交叉诊断证实。

SDM-Q: Cost-Aware Staged Decision-Making for Multi-Omics Classification with Deep Q-Learning

SDM-Q: 基于深度Q学习的成本感知分阶段决策用于多组学分类

Nan Mu, Yangfan Xiao, Ling Wang, Xiaoning Li, Yue Kang, Chen Zhao

机构 * College of Computer Science, Sichuan Normal University（四川师范大学计算机学院） ； Department of Mathematics, College of Science and Mathematics, Kennesaw State University（数学系，科学与数学学院，肯纳邦克州立大学） ； Department of Computer Science, College of Computing and Software Engineering, Kennesaw State University（计算机科学系，计算与软件工程学院，肯纳邦克州立大学） 纠错

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

AI总结 提出SDM-Q强化学习框架，将多组学诊断建模为有限步序贯决策问题，通过动作价值函数平衡分类正确性与模态获取成本，在四个公共数据集上有效减少冗余模态获取并保持竞争性分类性能。

Capacity-Controlled Global Attention for Graph Transformers

具有容量控制的全局注意力用于图变换器

Yang Liu, Dongxin Guo, Tom Zheng, Siu Ming Yiu, Liam Ning, Jikun Wu

机构 * Brain Investing Limited ； The University of Hong Kong（香港大学） ； Stellaris AI Limited 纠错

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

AI总结 本文提出SigGate-GT，通过在图变换器中引入可学习的sigmoid门来缓解全局注意力的保守约束，从而解决过平滑、低秩瓶颈和训练不稳定等问题，提升了多个基准测试的性能。

Comments 13 pages, 2 figures, 15 tables

Explainable Runtime Dependency Tracking for AI-RAN Conflict Monitoring

面向AI-RAN冲突监控的可解释运行时依赖追踪

Christie Djidjev, Nicholas Kaminski

机构 * Idaho National Laboratory（爱达荷国家实验室） 纠错

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

AI总结 针对AI-RAN中参数-KPI依赖关系可能失效的问题，提出基于布尔矩阵的滑动窗口推理方法，通过事件流一致性检测实现轻量级可解释依赖追踪。

Beyond Output Matching: Preserving Internal Geometry in NVFP4 LLM Distillation

超越输出匹配：在NVFP4 LLM蒸馏中保留内部几何结构

Fangbo Tu, Junhua Zhao, Chi Liu, Xin Chen, Haifeng Wu, Jian Wan, Srinivasan Manoharan

机构 * Fangbo Tu（图方波） ； Junhua Zhao（赵俊华） ； Chi Liu（刘驰） ； Xin Chen（陈新） ； Haifeng Wu（吴海峰） ； Jian Wan（万健） ； Srinivasan Manoharan（曼纳哈兰） 纠错

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

AI总结 针对NVFP4低精度量化蒸馏中仅输出匹配导致内部表示退化的问题，提出CKA-QAD方法，通过CKA引导的层间Gram矩阵对齐保留内部几何结构，提升推理和编码任务准确率。

Comments 13 pages,1 figures

Multi-Agent Reasoning with Consistency Verification Improves Uncertainty Calibration in Medical MCQA

基于一致性验证的多智能体推理改进医学多项选择题问答中的不确定性校准

John Ray B. Martinez

机构 * Department of Data Science and Analytics（数据科学与分析系） 纠错

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

AI总结 提出多智能体框架，结合领域专家智能体与两阶段验证及S分数加权融合，在医学MCQA中显著降低校准误差并提升判别能力。

Comments 20 pages, 6 figures. Preprint under review

Symmetric Divergence and Normalized Similarity: A Unified Topological Framework for Representation Analysis

对称散度与归一化相似性：表示分析的统一拓扑框架

Yan Wang, Tianyang Hu

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） 纠错

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

AI总结 提出对称表示拓扑散度（SRTD）和归一化拓扑相似性（NTS），分别解决现有拓扑散度的非对称性和无界性问题，实现细粒度结构诊断与跨场景标准化评估。

Comments Accepted by TMLR

Integrating Mechanistic and Data-Driven Models for Neurological Disorders through Differentiable Programming

通过可微编程整合机制模型与数据驱动模型用于神经系统疾病

Shah Pallav Dhanendrakumar, Saikat Pal, Sitikantha Roy

机构 * Department of Applied Mechanics, Indian Institute of Technology Delhi（印度理工学院德里应用力学系） ； Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度理工学院德里人工智能学院） 纠错

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

AI总结 本文综述了混合建模策略，通过可微编程将深度学习与基于物理的求解器结合，用于神经系统疾病的诊断、预后和治疗规划，优于纯机制或纯数据驱动方法。

LLM Explainability with Counterfactual Chains and Causal Graphs

基于反事实链和因果图的LLM可解释性

Nirit Nussbaum-Hoffer, Nitay Calderon, Liat Ein-Dor, Roi Reichart

机构 * Faculty of Data and Decision Sciences, Technion I IBM Research（数据与决策科学学院，技术离子IBM研究所） 纠错

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

AI总结 提出一种四阶段方法，利用因果图建模LLM推理过程，通过MCMC启发的反事实增强发现类判别性概念并生成可解释图，用于疾病诊断、情感分析等任务。

Disentangled Fine-Grained Prototype Learning for Incomplete Image-Tabular Classification

面向不完整图像-表格分类的解缠细粒度原型学习

Feixiang Zhou, Jianyang Xie, Zhuangzhi Gao, Qinkai Yu, Fu Wang, Yuheng Fan, Jing Li, Zheheng Jiang, Yitian Zhao, Yanda Meng, He Zhao, Gregory Y. H. Lip, Yalin Zheng

机构 * School of Eye and Vision Sciences, University of Liverpool, U.K.（利物浦大学眼科与视觉科学学院） ； Department of Cardiovascular and Metabolic Medicine, University of Liverpool, U.K.（利物浦大学心血管与代谢医学系） ； School of Computer Science, University of Exeter, U.K.（埃克塞特大学计算机科学学院） ； School of Computer Science and Engineering, South China University of Technology, China（华南理工大学计算机科学与工程学院） ； School of Computing and Mathematical Sciences, University of Leicester, U.K.（莱斯特大学计算科学与数学科学学院） ； Ningbo Institute of Industrial Technology, Chinese Academy of Sciences, China（中国科学院宁波工业技术研究所） ； Bioengineering Program, Biological and Environmental Science and Engineering Division (BESE), King Abdullah University of Science and Technology (KAUST), Saudi Arabia（卡尔斯塔德大学科学与技术学院（KAUST）生物工程项目，沙特阿拉伯） 纠错

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

AI总结 针对图像-表格多模态学习中缺失模态问题，提出DFPL框架，通过共享-特定原型建模、原型级解缠和细粒度对齐，实现鲁棒分类。

Autonomous Uncertainty Quantification for Computational Point-of-care Sensors

自主不确定性量化用于计算床旁传感器

Artem Goncharov, Rajesh Ghosh, Hyou-Arm Joung, Dino Di Carlo, Aydogan Ozcan

机构 * Electrical & Computer Engineering Department（电气与计算机工程系） ； Bioengineering Department（生物工程系） ； California NanoSystems Institute (CNSI)（加州纳米系统研究所） ； Department of Surgery（外科医学系） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 本文提出了一种自主不确定性量化技术，用于改进床旁诊断中的神经网络驱动计算传感器系统，通过蒙特卡洛dropout方法提高诊断的准确性和可靠性。

Comments 18 Pages, 5 Figures

Journal ref ACS Nano (2026)

Deliberate Evolution: Agentic Reasoning for Sample-Efficient Symbolic Regression with LLMs

Deliberate Evolution: 基于智能体推理的样本高效符号回归与LLM

Xinyu Pang, Zhanke Zhou, Xuan Li, Fangrui Lv, Shanshan Wei, Sen Cui, Bo Han, Changshui Zhang

机构 * TMLR Group, Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系 TMLR 组） ； Beijing National Research Center for Information Science（北京信息科学国家研究中心） ； Technology (BNRist), Department of Automation, Tsinghua University, Beijing, P.R. China（技术（BNRist），自动化系，清华大学，北京，中华人民共和国） ； Lenovo Research（联想研究） 纠错

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

AI总结 提出Deliberate Evolution框架，通过解耦符号生成与搜索控制，利用自适应算子、分析工具和反思记忆，在仅用40%样本预算下超越现有LLM符号回归方法。

Comments ICML 2026

Convolutive Blind Source Separation on Surface EMG Signals for Respiratory Diagnostics and Medical Ventilation Control

基于表面肌电信号的卷积盲源分离用于呼吸诊断和医疗通气控制

Herbert Buchner, Eike Petersen, Marcus Eger, Philipp Rostalski

专题命中 诊断辅助 ：diagnosis(abstract)；分类 eess.SP

AI总结 本文提出利用卷积盲源分离技术对表面肌电信号进行预处理，以解决区分吸气、呼气和心肌活动的问题，从而提升呼吸诊断和医疗通气控制的应用效果。

Journal ref 2016 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC)

Optimising maintenance: What are the expectations for Cyber Physical Systems

优化维护：对物理信息系统的要求

Erkki Jantunen, Urko Zurutuza, Luis Lino Ferreira, Pal Varga

专题命中 诊断辅助 ：diagnosis(abstract)；分类 eess.SP

AI总结 本文探讨了如何利用物理信息系统来优化维护，重点在于通过监控磨损和预测故障来减少意外停机，从而实现经济高效的维护方案。

Comments 2016 3rd International Workshop on Emerging Ideas and Trends in Engineering of Cyber-Physical Systems (EITEC)

Detecting and Diagnosing Incipient Building Faults Using Uncertainty Information from Deep Neural Networks

利用深度神经网络的不确定性信息检测和诊断建筑初期故障

Baihong Jin, Dan Li, Seshadhri Srinivasan, See-Kiong Ng, Kameshwar Poolla, Alberto~Sangiovanni-Vincentelli

机构 * Department of EECS, University of California, Berkeley（加州大学伯克利分校电子工程与计算机科学系） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； The Berkeley Education Alliance for Research in Singapore（新加坡伯克利教育联盟） 纠错

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

AI总结 本文提出利用蒙特卡洛dropout方法增强监督学习流程，以检测和诊断未见过的初期故障，并在RP-1043数据集上验证其在指示最可能的初期故障类型方面的有效性。

Probabilistic Numerics and Uncertainty in Computations

概率数值计算与计算中的不确定性

Philipp Hennig, Michael A Osborne, Mark Girolami

机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Oxford（牛津大学） ； University of Warwick（沃里克大学） 纠错

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

AI总结 本文呼吁采用概率数值方法，通过在计算中返回不确定性来改进线性代数、积分、优化和微分方程求解等算法，强调其在气候科学和天文学等领域的应用价值。

Comments Author Generated Postprint. 17 pages, 4 Figures, 1 Table

The Continuity of Images by Transmission Imaging Revisited

通过传输成像重新审视图像的连续性

Zhitao Fan, Feng Guan, Chunlin Wu, Ming Yan

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

AI总结 本文研究传输成像中图像连续性问题，采用更通用的束几何和更弱的假设证明大多数图像为连续函数，并比较了去除泊松噪声的两种图像处理方法。

Comments 23 pages, 8 figures

Adaptive Causal Alignment for High-Confidence Adversarial Training

自适应因果对齐用于高置信度对抗训练

Zhiming Luo, Kejia Zhang, Yingxin Lai, Junwei Wu, Juanjuan Weng, Shaozi Li

机构 * Department of Artificial Intelligence, Xiamen University（厦门大学人工智能学院） ； Department of Computer Science, Emory University（埃默里大学计算机科学系） ； College of Information Science and Technology, Jinan University（济南大学信息科学与技术学院） 纠错

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

AI总结 针对高置信度对抗训练中模型过度依赖非因果背景相关性的问题，提出HICAT框架，通过可学习背景偏差估计器与自适应去偏机制实现因果对齐，提升鲁棒泛化性能。

Demystifying Pipeline Parallelism: First Theory for PipeDream

揭秘流水线并行：PipeDream 的首个理论

Ivan Ilin, Peter Richtárik

机构 * KAUST（卡斯土尼亚大学） 纠错

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

AI总结 本文通过引入随机化 PipeDream (RPD) 抽象，首次为 PipeDream 风格方法提供了非凸收敛保证，并分析了其稳态延迟与阶段数的缩放关系，同时与 LocalSGD 进行了比较。

Comments 40 pages, 4 figures

Multi-Modal Graph Neural Network with Transformer-Guided Adaptive Diffusion for Preclinical Alzheimer Classification

多模态图神经网络与Transformer引导的自适应扩散用于临床前阿尔茨海默病分类

Jaeyoon Sim, Minjae Lee, Guorong Wu, Won Hwa Kim

机构 * Pohang University of Science and Technology（浦项科学技术大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 提出一种结合扩散核与多头注意力的图神经网络框架，通过Transformer引导自适应扩散过程，有效融合多模态特征，提升临床前阿尔茨海默病分类性能并识别关键脑区。

Comments 10 pages, Accepted to MICCAI 2024

Validation-Gated Multi-Agent Governance for Online Adaptation of Thermal-Hydraulic Surrogate Models under Operating-Regime Shift

验证门控多智能体治理：运行工况迁移下热工水力代理模型的在线自适应

Doyeong Lim, Seungyoon Lee, In Cheol Bang

机构 * Department of Nuclear Engineering, Ulsan National Institute of Science and Technology (UNIST)（核工程系，乌山国立科学技术研究所（UNIST）） 纠错

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

AI总结 针对离线训练模型在运行工况迁移时性能退化问题，提出验证门控多智能体治理框架，通过角色分离的智能体协作与确定性门控机制实现可审计的在线自适应，在实验热工水力数据上将平均绝对误差降低19%。

Human-in-the-Loop Contextual Bandits for Short-Term Rental Dynamic Pricing: Structural Equivalence of Historical Warm-Up and Approval-Gated Live Learning

面向短租动态定价的人机协同上下文赌博机：历史预热与审批门控在线学习的结构等价性

Oleg Miroshnichenko

机构 * Oleg Miroshnichenko（奥列格·米罗什尼琴科） 纠错

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

AI总结 针对短租动态定价中反馈稀疏、决策风险高的问题，提出人机协同门控赌博机框架，证明历史定价数据与在线策略预热数据的结构等价性，并设计正则化岭回归预热方法，将冷启动周期从约150轮压缩至约30轮。

RescueBench: Can Embodied Agents Save Lives in the Wild ?

RescueBench: 具身智能体能否在野外拯救生命？

Kui Wu, Beiyu Guo, Hao Chen, ShuHang Xu, Yuling Li, Yongdan Zeng, Zhoujun Li, Yizhou Wang, Fangwei Zhong

机构 * Beihang University（北京航空航天大学） ； Beijing Normal University（北京师范大学） ； Peking University（北京大学） ； City University of Macau（澳门城市大学） ； ATEC2025 Challenge Committee（ATEC2025挑战委员会） 纠错

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

AI总结 本文提出 RescueBench，一个四阶段流水线的逼真诊断基准，用于评估具身智能体在搜索与救援任务中的探索、记忆和交互能力，并揭示探索和记忆失败如何传播。

Honest Lying: Understanding Memory Confabulation in Reflexive Agents

诚实撒谎：理解反射型智能体中的记忆虚构

Prakhar Dixit, Sadia Kamal, Tim Oates

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 研究反射型智能体在自我反思中产生记忆虚构的问题，提出反射重复率（RRR）指标检测该现象，并通过程序化提取失败信号缓解问题。

Comments Accepted to ICML 2026 Workshop "Failure Modes in Agentic AI"

Lying Is Just a Phase: The Hidden Alignment Transition in Language Model Scaling

说谎只是一个阶段：语言模型扩展中的隐藏对齐转变

Adil Amin

机构 * ZEHEN Labs（ZEHEN实验室） 纠错

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

AI总结 通过分析63个基础模型，发现语言模型在特定规模阈值下，推理能力与真实性从反相关转变为正相关，并揭示了输出投影瓶颈和零竞争注意力头等内部机制。

Comments 15 pages, 8 figures, 2 tables. Companion paper: "The Growing Pains of Frontier Models: When Leaderboards Stop Separating and What to Measure Next." ( https://doi.org/10.48550/arXiv.2605.18840). Code: https://github.com/adilamin89/cape-scaling. Dashboard: https://zehenlabs.com/cape/