医学 AI

LPH-VTON: Resolving the Structure-Texture Dilemma of Virtual Try-On via Latent Process Handover

LPH-VTON：通过潜在过程交接解决虚拟试衣的结构-纹理困境

Yixin Liu, Baihong Qian, Jinglin Jiang, Jeffery Wu, Yan Chen, Wei Wang, Yida Wang, Lanqing Yang, Guangtao Xue

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出LPH-VTON框架，通过单个连续去噪过程解决虚拟试衣中结构与纹理的平衡问题，实现高质量的视觉真实性和精确的结构对齐。

EvolveMem:Self-Evolving Memory Architecture via AutoResearch for LLM Agents

EvolveMem：通过AutoResearch实现LLM代理的自进化内存架构

Jiaqi Liu, Xinyu Ye, Peng Xia, Zeyu Zheng, Cihang Xie, Mingyu Ding, Huaxiu Yao

机构 * UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； UC Berkeley（加州大学伯克利分校） ； UCSC（加州大学圣克鲁兹分校） 纠错

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

AI总结 本文提出EvolveMem，一种通过AutoResearch实现自进化内存架构的LLM代理系统，通过闭环自进化过程自动优化检索配置，实现存储知识与检索机制的协同进化，实验表明其在多个基准测试中均取得显著性能提升。

Muown: Row-Norm Control for Muon Optimization

Muown：行范数控制用于缪子优化

Kai Lion, Florian Hübler, Bingcong Li, Antonio Orvieto, Niao He

机构 * ETH Zurich（苏黎世联邦理工学院） ； Technical University of Munich（慕尼黑技术大学） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； MPI-IS Tübingen（图宾根MPI-IS） ； Tübingen AI Center（图宾根人工智能中心） 纠错

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

AI总结 本文提出Muown，通过将行幅度向量作为显式优化变量，改进了缪子优化在大规模训练中的稳定性，提升了模型 perplexity 并减少对权重衰减的敏感性。

Per-Loss Adapters for Gradient Conflict in Physics-Informed Neural Networks

每损失适配器用于物理信息神经网络中的梯度冲突

Bum Jun Kim, Gnankan Landry Regis N'guessan

机构 * The University of Tokyo, Japan（东京大学） ； Axiom Research Group（Axiom研究组） ； Department of Applied Mathematics and Computational Science, NM-AIST, Tanzania（应用数学与计算科学系，NM-AIST，坦桑尼亚） ； African Institute for Mathematical Sciences (AIMS), Research and Innovation Centre, Rwanda（非洲数学科学研究所（AIMS），研究与创新中心，卢旺达） 纠错

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

AI总结 本文提出每损失适配器用于解决物理信息神经网络中的梯度冲突问题，通过诊断框架和轻量级架构干预，针对不同冲突类型提供不同解决方案，提升优化效率。

Comments 49 pages, 10 figures

CLR-voyance: Reinforcing Open-Ended Reasoning for Inpatient Clinical Decision Support with Outcome-Aware Rubrics

CLR-voyance：通过结果感知的评分表强化住院患者临床决策支持中的开放性推理

Aishik Nagar, Arun-Kumar Kaliya-Perumal, Yu-Hsuan Han, Andrew Sheng-Han Huang, Kristen Kee, Yushi Cao, Yiming Chen, Hongchao Jiang

机构 * ASUS Intelligent Cloud Services (AICS)（ASUS智能云服务（AICS）） ； Rehabilitation Research Institute of Singapore, Nanyang Technological University（新加坡康复研究院，南洋理工大学） ； Department of Family Medicine, Taipei Veterans General Hospital（台北荣民总医院家庭医学部） ； School of Medicine, National Yang Ming Chiao Tung University（国家阳明交通大学医学院） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学 Yong Loo Lin 医学院） 纠错

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

AI总结 CLR-voyance将住院患者推理建模为POMDP，通过结果感知和临床验证的奖励机制提升决策支持，实现住院患者临床推理的最新进展。

Perception Without Engagement: Dissecting the Causal Discovery Deficit in LMMs

无参与的感知：LMMs中因果发现缺陷的剖析

Jiafeng Liang, Zhihao Zhu, Zihan Zhang, Baoqi Ren, Shixin Jiang, Runxuan Liu, Tao Ren, Ming Liu, See-Kiong Ng, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文探讨了大型多模态模型在因果发现中的缺陷，提出ProCauEval评估协议和ADPO框架，通过扰动分析揭示模型在视觉和文本模态间的依赖关系，提升视觉推理能力。

Comments 17 pages, 5 figures

Can Revealed Preferences Clarify LLM Alignment and Steering?

揭示偏好能否澄清大语言模型对齐与引导？

Khurram Yamin, Jingjing Tang, Eric Horvitz, Bryan Wilder

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本文提出一种经验方法，通过估计LLM在决策任务中的隐含偏好，评估模型是否一致地追求目标，是否能描述其目标，以及提示是否能可靠引导策略。

HEART: A High-Efficiency Adaptive Real-Time Telemonitoring Framework for Secure Electrocardiogram Signal Transmission Using Chaotic Encryption

HEART：一种高效率自适应实时远程监控框架，用于使用混沌加密的安全心电图信号传输

Beyazıt Bestami Yuksel

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

AI总结 本文提出了一种基于患者自身心电图特征生成可学习密钥的实时心电图监控系统，利用混沌加密技术实现安全传输，通过动态生成加密密钥和结合置换与异或扩散，提高安全性与实时性能。

Comments 15 pages, 4 figure, 3 table

Journal ref ELECTRICA 2026

Is Class Signal Clustered or Routed in Task-Induced Implicit Neural Representation Weight Spaces?

隐式神经表示中的类别信号是聚类还是路由？

Xinyi Guo, Mingyi He, Haobin Ding, Weiming Chen, Xinrui Chen, Jiawen Li, Di Zhang, Minxi Ouyang, Yizhi Wang, Xitong Ling

机构 * South China Normal University（南方科技大学） ； Beijing University of Chemical Technology（北京化工大学） ； Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 研究探讨了隐式神经表示中类别信号的几何结构，发现其并非简单聚类，而是通过读者路由实现可分类性。

Optimising MFCC parameters for the automatic detection of respiratory diseases

优化MFCC参数以实现呼吸系统疾病的自动检测

Yuyang Yan, Sami O. Simons, Loes van Bemmel, Lauren Reinders, Frits M. E. Franssen, Visara Urovi

机构 * Institute of Data Science, Maastricht University（数据科学研究所，马斯特里赫特大学） ； Department of Respiratory Medicine, NUTRIM Research Institute of Nutrition and Translational Research in Metabolism, Faculty of Health Medicine and Life Sciences, Maastricht University（呼吸科系，营养与代谢转化研究 institute，健康医学与生命科学学院，马斯特里赫特大学） ； Department of Respiratory Medicine, Maastricht University Medical Centre（呼吸科系，马斯特里赫特大学医学中心） ； Department of Research and Development, Ciro（研发部，Ciro） 纠错

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

AI总结 本文研究MFCC参数对呼吸疾病诊断的影响，通过四个数据集验证不同参数组合对准确率的提升，发现最佳系数数约为30，帧长和步长对不同数据集性能有不同影响，优化参数后SVM模型在不同数据集上准确率显著提高。

Beyond the Wrapper: Identifying Artifact Reliance in Static Malware Classifiers using TRUSTEE

超越封装：利用TRUSTEE识别静态恶意软件分类器中的artifact依赖

Riyazuddin Mohammed, Lan Zhang

机构 * School of Informatics, Computing, and Cyber Systems（信息学、计算与网络安全学院） ； Northern Arizona University（北亚利桑那大学） 纠错

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

AI总结 本文提出TRUSTEE框架，通过后验可解释性工具和手动分析，发现静态恶意软件分类器易受数据集组成影响，误将打包特征视为恶意行为。

CASCADE: Case-Based Continual Adaptation for Large Language Models During Deployment

CASCADE：基于案例的连续适应：在部署期间为大型语言模型进行持续适应

Siyuan Guo, Yali Du, Hechang Chen, Yi Chang, Jun Wang

机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； Engineering Research Center of Knowledge-Driven Human-Machine Intelligence, Jilin University（吉林大学知识驱动人机智能工程研究中心） ； International Center of Future Science, Jilin University（吉林大学未来科学国际中心） ； Department of Informatics, King’s College London（伦敦国王学院信息学院） ； The Alan Turing Institute（艾伦·图灵研究所） ； AI Centre, Department of Computer Science, UCL（UCL计算机科学系人工智能中心） 纠错

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

AI总结 本文提出CASCADE框架，通过在部署期间持续学习提升LLM性能，实现20.9%的提升，并在多个领域任务中优于基线方法。

Log-Likelihood, Simpson's Paradox, and the Detection of Machine-Generated Text

对数似然、辛普森悖论与机器生成文本的检测

Tom Kempton, Viktor Drobnyi, Maeve Madigan, Stuart Burrell

机构 * Department of Mathematics（数学系） ； University of Manchester（曼彻斯特大学） ； Risk and Security AI Lab（风险与安全AI实验室） ； Visa Inc.（Visa公司） 纠错

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

AI总结 本文通过分析对数似然信号在隐藏空间中的非均匀性，提出基于贝叶斯决策理论的局部校准方法，改进文本检测性能，揭示现有检测器的不足并提供可扩展的解决方案。

Comments 10 pages, 3 figures, 2 tables, 11 appendices

Correcting heterogeneous diagnostic bias when developing clinical prediction models using causal hidden Markov models

在使用因果隐马尔可夫模型开发临床预测模型时纠正异质性诊断偏差

Jose Benitez-Aurioles, Ricardo Silva, Brian McMillan, Matthew Sperrin

机构 * Division of Informatics, Imaging & Data Sciences, University of Manchester（曼彻斯特大学信息学、影像与数据科学系） ； Department of Statistical Science, UCL（伦敦大学学院统计科学系） ； Division of Population Health, Health Services Research & Primary Care, University of Manchester（曼彻斯特大学人口健康、卫生服务研究与初级保健系） 纠错

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

AI总结 本文提出一种方法，通过因果推断框架纠正因诊断延迟差异导致的预测偏差，利用隐马尔可夫模型模拟纵向过程，提升慢性肾病预测模型的校准性。

Comments 4 figures, 2 tables, 4 supplementaries

From Blind Spots to Gains: Diagnostic-Driven Iterative Training for Large Multimodal Models

从盲点到收益：面向大型多模态模型的诊断驱动迭代训练

Hongrui Jia, Chaoya Jiang, Yongrui Heng, Shikun Zhang, Wei Ye

机构 * Peking University（北京大学） ； Shandong University（山东大学） 纠错

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

AI总结 本文提出DPE方法，通过诊断驱动的数据生成和强化学习，实现大型多模态模型的持续改进，实验表明在多个基准测试中取得稳定收益。

BALAR : A Bayesian Agentic Loop for Active Reasoning

BALAR：主动推理的贝叶斯代理循环

Aymen Echarghaoui, Dongxia Wu, Emily B. Fox

机构 * Department of Statistics, Stanford University（统计学系，斯坦福大学） ； Department of Computer Science, Stanford University（计算机科学系，斯坦福大学） 纠错

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

AI总结 BALAR是一种无需微调的任务无关外环算法，通过维护潜在状态的结构信念，选择澄清问题以最大化预期互信息，并动态扩展状态表示，从而在三个基准测试中显著提升性能。

Phase-shifted remote photoplethysmography for estimating heart rate and blood pressure from facial video

相位偏移远程光体积脉搏描记术用于从面部视频估计心率和血压

Gyutae Hwang, Sang Jun Lee

机构 * Division of Electronics and Information Engineering, Jeonbuk National University（全南国立大学电子与信息工程系） 纠错

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

AI总结 本文提出基于视觉的方法估计心率和血压，采用双阶段深度学习框架，利用相位偏移rPPG信号提升心率和血压估计精度。

Comments 13 pages, 10 figures

Journal ref Measurement 2026

Sparse Representation Learning for Vessels

稀疏表示学习用于血管

Chinmay Prabhakar, Bastian Wittmann, Paul Büschl, Hongwei Bran Li, Bjoern Menze, Suprosanna Shit

机构 * Department of Quantitative Biomedicine, University of Zurich, Switzerland（苏黎世大学定量生物医学系） ； ETH AI Center, ETH Zurich, Switzerland（苏黎世联邦理工学院人工智能中心） ； Department of Diagnostic Radiology, National University of Singapore, Singapore（新加坡国立大学诊断放射科） 纠错

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

AI总结 本文提出VAEsslSparse模型，通过稀疏卷积和注意力机制实现亚毫米级血管网络的高效表示，提升临床诊断和血管生成的性能。

GFT: From Imitation to Reward Fine-Tuning with Unbiased Group Advantages and Dynamic Coefficient Rectification

GFT：从模仿到奖励微调：无偏组优势与动态系数校正

Wangjie Gan, Miao Pan, Linbo Xi, Wenqi Zhang, Jintao Chen, Jianwei Yin, Xuhong Zhang

机构 * OmniAl Group of ZJU ACES Lab（OMNIAL集团浙江大学ACES实验室） ； School of Software Technolog,Zhejiang University（浙江大学软件技术学院） 纠错

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

AI总结 本文提出GFT框架，通过组优势学习和动态系数校正解决SFT的奖励稀疏性问题，提升模型泛化能力与知识注入效率。

EviMem: Evidence-Gap-Driven Iterative Retrieval for Long-Term Conversational Memory

EviMem：基于证据缺口的迭代检索用于长期对话记忆

Yuyang Li, Yime He, Zeyu Zhang, Dong Gong

机构 * The Australian National University（澳大利亚国立大学） ； UNSW Sydney（新南威尔士大学悉尼分校） 纠错

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

AI总结 EviMem通过闭环框架和分层记忆结构解决多会话证据检索问题，提升时间性和多跳问题的判断准确率，且效率提升显著。

Latency Minimization for Hybrid-Frequency UHD Upload in Double-IRS-Aided HSR Networks

混合频率UHD上传的延迟最小化：双IRS辅助HSR网络

Tianyou Li, Tonghua Wei, Dapeng Li

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

AI总结 本文提出了一种双IRS辅助的6G基础设施到车辆架构，通过严格零强迫空间干扰隔离约束，优化下行能量波束成形和上行信息传输，以减少UHD视频上传延迟并满足URLLC要求。

Operational Feature Fingerprints of Graph Datasets via a White-Box Signal-Subspace Probe

通过白盒信号子空间探针操作图数据集的特征指纹

Yuchen Xiong, Swee Keong Yeap, Zhen Hong Ban

机构 * China-ASEAN College of Marine Sciences（中国-东盟海洋科学学院） ； Xiamen University Malaysia（马来西亚厦门大学） ； School of Energy and Chemical Engineering（能源与化学工程学院） 纠错

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

AI总结 本文提出WG-SRC白盒信号子空间探针，通过固定图信号字典和线性分类方法，实现图数据集的诊断与分析，揭示节点分类机制和图学习机制。

Comments 21 pages, 10 figures, 7 tables

Less is More in Semantic Space: Intrinsic Decoupling via Clifford-M for Fundus Image Classification

语义空间中‘少即是多’：通过Clifford-M实现内在解耦以用于视网膜图像分类

Yifeng Zheng

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

AI总结 本文提出Clifford-M模型，通过稀疏几何交互替代传统频率分解模块，实现高效的视网膜图像分类，在ODIR-5K数据集上取得优于其他模型的性能。

Comments Withdrawn by the author because this early version does not reflect the current scope, validation protocol, and contributor information of the work. A substantially revised version is being prepared

Explainable AI for Mental Disorder Detection via Social Media: A survey and outlook

通过社交媒体进行精神障碍检测的可解释AI：调查与展望

Yusif Ibrahimov, Tarique Anwar, Tommy Yuan

机构 * Department of Computer Science, University of York, Heslington, United Kingdom（英国约克大学计算机科学系） ； French-Azerbaijani University under Azerbaijan State Oil and Industry University（阿塞拜疆国家石油和工业大学下的法语-阿塞拜疆大学） 纠错

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

AI总结 本文调查了数据科学、人工智能与心理健康护理的交叉领域，探讨了通过在线社交媒体检测精神障碍的最新进展，并强调了可解释AI在医疗AI中的重要性。

Comments Accepted for publication in IEEE Transactions on Artificial Intelligence. \c{opyright} 2026 IEEE (To appear)

Journal ref IEEE Transactions on Artificial Intelligence, 2026

Distance-Misaligned Training in Graph Transformers and Adaptive Graph-Aware Control

图变换器中的距离偏差训练与自适应图感知控制

Qinhan Hou, Jing Tang

机构 * University of Helsinki（赫尔辛基大学） 纠错

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

AI总结 研究图变换器中距离偏差训练与自适应图感知控制，通过合成节点分类基准发现任务局部性影响图距离偏置，并验证自适应控制器在混合和局部任务中的有效性。

Comments Accepted by Graph Signal Processing Workshop 2026 as an extended abstract

Kernel Contracts: A Specification Language for ML Kernel Correctness Across Heterogeneous Silicon

核合同：一种用于跨异构硅芯片的机器学习核正确性的规范语言

Cooper Veit

机构 * Ashiba Research（Ashiba研究） 纠错

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

AI总结 本文提出一种核合同规范语言，用于规范机器学习核的正确性，通过定义八个部分来覆盖精度、顺序、编译器诱导等故障模式，并通过三个状态校准验证合同违反情况。

Comments 28 pages, 1 figure

M-CARE: Standardized Clinical Case Reporting for AI Model Behavioral Disorders, with a 20-Case Atlas and Experimental Validation

M-CARE：用于AI模型行为障碍的标准化临床案例报告，附20例图谱及实验验证

Jihoon Jeong

机构 * Department of Electrical Engineering and Computer Science, Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆bu科学技术大学电气工程与计算机科学系） ； ModuLabs 纠错

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

AI总结 M-CARE框架通过20例案例分析，提出AI行为障碍的诊断与分类方法，揭示Shell指令对模型行为的主导作用及领域依赖性特征。

Comments 31 pages, 5 figures, 14 tables. Second paper in the Model Medicine series (Paper #1: arXiv:2603.04722)

HumanScore: Benchmarking Human Motions in Generated Videos

HumanScore：在生成视频中评估人类动作的基准测试

Yusu Fang, Tiange Xiang, Tian Tan, Narayan Schuetz, Scott Delp, Li Fei-Fei, Ehsan Adeli

机构 * Stanford University（斯坦福大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出HumanScore框架，通过六个可解释指标评估AI生成视频中人类动作的质量，揭示感知合理性与生物力学真实性的差距，并产生可靠的模型排名。

From Signal Degradation to Computation Collapse: Uncovering the Two Failure Modes of LLM Quantization

从信号退化到计算崩溃：揭示大语言模型量化中的两种失败模式

Chenxi Zhou, Pengfei Cao, Jiang Li, Bohan Yu, Jinyu Ye, Jun Zhao, Kang Liu

机构 * School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所认知与决策智能复杂系统重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； College of Computer Science, Inner Mongolia University（内蒙古大学计算机学院） 纠错

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

AI总结 研究揭示大语言模型量化中两种不同失败模式：信号退化和计算崩溃，并提出针对性修复方法，表明结构重建比单纯补偿更有效。

Comments Accepted to Findings of ACL 2026

Neural Bandit Based Optimal LLM Selection for a Pipeline of Subtasks

基于神经带宽的最优LLM选择用于子任务流水线

Baran Atalar, Eddie Zhang, Carlee Joe-Wong

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出一种神经上下文带宽算法，用于在无需历史LLM性能数据的情况下，指导不同子任务的LLM选择，通过子任务输出影响后续任务，实现子任务间复杂依赖关系的学习。