医学 AI

XModBench: Benchmarking Cross-Modal Capabilities and Consistency in Omni-Language Models

XModBench：多模态能力与一致性在多语言模型中的基准测试

Xingrui Wang, Jiang Liu, Chao Huang, Xiaodong Yu, Ze Wang, Ximeng Sun, Jialian Wu, Alan Yuille, Emad Barsoum, Zicheng Liu

机构 * Advanced Micro Devices（超威半导体） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Rochester（罗彻斯特大学） 纠错

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

AI总结 XModBench通过大规模三模态基准测试，评估多语言模型在跨模态一致性中的能力，揭示模型在不同模态下的推理偏差和不平衡问题。

Journal ref Published as a conference paper at ICLR 2026

Fragility-aware Classification for Understanding Risk and Improving Generalization

面向脆弱性的分类：理解风险与提升泛化能力

Chen Yang, Zheng Cui, Daniel Zhuoyu Long, Jin Qi, Ruohan Zhan

机构 * School of Management, Zhejiang University（浙江大学管理学院） ； Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong（香港中文大学系统工程与工程管理系） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系） ； Department of Marketing and Analytics, University College London（伦敦大学学院市场营销与分析系） 纠错

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

AI总结 本文提出Fragility Index作为新型性能指标，从风险规避角度评估分类器，通过鲁棒满足框架确保在分布不确定性下的鲁棒性，并开发可训练框架以直接优化FI，实验证明其能揭示误差尾部风险并提升决策质量。

Prognostics for Autonomous Deep-Space Habitat Health Management under Multiple Unknown Failure Modes

自主深空栖息地健康管理系统在多种未知故障模式下的预测维护

Benjamin Peters, Ayush Mohanty, Xiaolei Fang, Stephen K. Robinson, Nagi Gebraeel

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

AI总结 本文提出一种无监督预测框架，用于在未知故障模式下预测剩余使用寿命，通过聚类退化轨迹和选择模式特定传感器提高预测准确性和可解释性。

Comments Manuscript under review

Label Shift Estimation With Incremental Prior Update

带增量先验更新的标签偏移估计

Yunrui Zhang, Gustavo Batista, Salil S. Kanhere

机构 * University of New South Wales, School of Computer Science and Engineering, Australia（新南威尔士大学计算机科学与工程学院，澳大利亚） 纠错

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

AI总结 本文提出一种后验标签偏移估计方法，通过逐步更新每个样本的先验，改进后验以更准确估计测试集标签分布变化，实验表明其在不同标签偏移强度下优于现有最大似然方法。

Comments SIAM SDM 2025

Journal ref Proceedings of the 2025 SIAM International Conference on Data Mining (SDM) Pages 134 - 142

PUNCH: Physics-informed Uncertainty-aware Network for Coronary Hemodynamics

PUNCH：一种融合物理信息的不确定性感知网络用于冠状动脉血流动力学

Sukirt Thakur, Marcus Roper, Yang Zhou, Dmitry Yu. Isaev, Reza Akbarian Bafghi, Brahmajee K. Nallamothu, C. Alberto Figueroa, Srinivas Paruchuri, Scott Burger, Carlos Collet, Maziar Raissi

机构 * AngioInsight Inc.（AngioInsight公司） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Michigan（密歇根大学） ； Cardiovascular Research Foundation（心血管研究基金会） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 PUNCH利用物理信息神经网络和变分推断，从标准冠状动脉造影直接估计血流储备，无需侵入性工具或群体训练，提供准确的冠状动脉微血管功能障碍诊断。

CARE: Confidence-aware Ratio Estimation for Medical Biomarkers

CARE：面向医学生物标志物的置信度感知比率估计

Jiameng Li, Teodora Popordanoska, Aleksei Tiulpin, Sebastian G. Gruber, Frederik Maes, Matthew B. Blaschko

机构 * KU Leuven（鲁汶大学） ； University of Oulu（奥卢大学） ； Weill Cornell Medicine（威尔康奈尔医学院） 纠错

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

AI总结 本文提出CARE框架，用于估计基于比率的医学生物标志物，通过分析分割到生物标志物流程中的误差传播，识别模型不校准为主要不确定性来源，生成可调节置信水平的统计可靠置信区间。

Comments 12 pages

When AI and Experts Agree on Error: Intrinsic Ambiguity in Dermatoscopic Images

当AI与专家达成一致时的错误：皮肤镜图像的内在模糊性

Loris Cino, Pier Luigi Mazzeo, Alessandro Martella, Giulia Radi, Renato Rossi, Cosimo Distante

机构 * La Rocca Skin Medical Center（拉罗卡皮肤医学中心） 纠错

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

AI总结 研究通过实验发现皮肤镜图像的内在复杂性导致AI与专家在诊断上出现系统性错误，图像质量是主要因素，研究数据公开以提高透明度和可重复性。

Fundamental Analysis of Scalable Fluid Antenna Systems: Identifiability Limits, Information Theory, and Joint Processing

可扩展流体天线系统的基本分析：可识别性限制、信息论与联合处理

Tuo Wu, Kai-Kit Wong, Jie Tang, Ye Tian, Baiyang Liu, Maged Elkashlan, Kin-Fai Tong, Hing Cheung So, Matthew C. Valenti, Fumiyuki Adachi, Kwai-Man Luk

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

AI总结 本文研究可扩展流体天线系统的可识别性限制、信息论与联合处理，提出一个观察熵框架，统一了可识别性限制推导、处理瓶颈诊断和系统设计优化。通过蒙特卡洛模拟验证了容量层级和可识别性边界。

Coupled Reconstruction of 2D Blood Flow and Vessel Geometry from Noisy Images via Physics-Informed Neural Networks and Quasi-Conformal Mapping

通过物理信息神经网络和准共形映射从噪声图像中耦合重建二维血流和血管几何

Han Zhang, Xue-Cheng Tai, Jean-Michel Morel, Raymond H. Chan

机构 * Department of Mathematics, City University of Hong Kong（香港城市大学数学系） ； Hong Kong Centre for Cerebro-Cardiovascular Health Engineering（香港心脑血管健康工程研究中心） ； Norwegian Research Centre (NORCE)（挪威研究中心） ； Department of Operations and Risk Management and the School of Data Science, Lingnan University（岭南大学运营与风险管理系及数据科学学院） 纠错

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

AI总结 本文提出利用物理信息神经网络和准共形映射从噪声图像中耦合重建二维血流和血管几何，通过交替高斯-塞德尔方法迭代优化，有效去除噪声并提升血流图像质量。

On the Normalization of Confusion Matrices: Methods and Geometric Interpretations

关于混淆矩阵的标准化：方法与几何解释

Johan Erbani, Pierre-Edouard Portier, Elod Egyed-Zsigmond, Sonia Ben Mokhtar, Diana Nurbakova

机构 * LIRIS, INSA Lyon, CNRS (UMR 5205)（LIRIS，里昂国立应用科学学院，法国国家科学研究中心（UMR 5205）） ； Caisse d’Epargne Rhône Alpes, Tour Incity, Lyon（法国储蓄银行罗讷-阿尔卑斯分行，因西蒂大厦，里昂） 纠错

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

AI总结 本文提出双随机标准化方法，通过迭代比例拟合分离混淆矩阵中的类间相似性和分布偏置，从而更准确地诊断模型行为并改进性能。

Algorithmic Insurance

算法保险

Dimitris Bertsimas, Agni Orfanoudaki

机构 * Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院） ； Saïd Business School, Oxford University（牛津大学赛德商学院） 纠错

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

AI总结 研究算法保险在AI致损中的风险定价与责任框架，提出基于CVaR的分类阈值优化方法，通过乳腺癌案例验证降低尾部风险并提升保险收益。

The Alignment Tax: Response Homogenization in Aligned LLMs and Its Implications for Uncertainty Estimation

对齐税：对齐语言模型中的响应同质化及其对不确定性估计的影响

Mingyi Liu

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

AI总结 研究发现对齐语言模型存在响应同质化现象，影响不确定性估计方法的效果，提出通过叠加不确定性信号提升模型性能。

Comments 25 pages, 3 figures, 10 tables, 24 experiments across 5 benchmarks. v2: added SINdex head-to-head (Exp 27), NLI validation (Exp 28), decoding protocol analysis. Code: https://github.com/DigitLion/ucbd-experiment

AgentTrace: Causal Graph Tracing for Root Cause Analysis in Deployed Multi-Agent Systems

AgentTrace: 多智能体系统部署中的因果图追踪用于根本原因分析

Zhaohui Geoffrey Wang

机构 * USC Viterbi School of Engineering（南加州大学维特比工程学院） 纠错

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

AI总结 AgentTrace通过构建因果图追踪多智能体系统部署中的根本原因，实现高精度和低延迟的故障诊断，优于启发式和LLM基线方法。

Comments 11 pages, 1 figure, 19 tables. Published at ICLR 2026 Workshop on Agents in the Wild. Camera-ready version with revised layout and framework overview figure

DenseSwinV2: Channel Attentive Dual Branch CNN Transformer Learning for Cassava Leaf Disease Classification

DenseSwinV2: 基于通道注意力的双分支CNN Transformer学习用于玉米叶病分类

Shah Saood, Saddam Hussain Khan

机构 * Artificial Intelligence Lab, Department of Computer Systems Engineering, University of Engineering and Applied Sciences (UEAS), Swat（斯瓦特工程与应用科学大学计算机系统工程系人工智能实验室） ； Interdisciplinary Research Center for Smart Mobility and Logistics (IRC-SML), King Fahd University of Petroleum and Minerals (KFUPM), Dhahran（法赫德国王石油矿产大学智能移动与物流跨学科研究中心） 纠错

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

AI总结 本文提出DenseSwinV2框架，结合密集连接卷积特征和定制化SwinV2表示，通过通道注意力模块提升玉米叶病分类性能，达到98.02%的准确率。

Comments 30 Pages, 12 Figures, 3 Tables

Reaching Beyond the Mode: RL for Distributional Reasoning in Language Models

超越模式：语言模型中的分布推理强化学习

Isha Puri, Mehul Damani, Idan Shenfeld, Marzyeh Ghassemi, Jacob Andreas, Yoon Kim

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文提出一种多答案强化学习方法，使语言模型在推理时能生成多个可能的假设并评估其置信度，提升多样性和准确性。

Learning Actionable Manipulation Recovery via Counterfactual Failure Synthesis

通过反事实失败合成学习可操作的操纵恢复

Dayou Li, Jiuzhou Lei, Hao Wang, Lulin Liu, Yunhao Yang, Zihan Wang, Bangya Liu, Minghui Zheng, Zhiwen Fan

机构 * Texas A&M University（德克萨斯A&M大学） ； University of Minnesota（明尼苏达大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Abaka AI（Abaka人工智能） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本文提出Dream2Fix框架，通过生成反事实失败场景数据提升机器人故障恢复能力，实现高精度的故障诊断与轨迹修正。

MSADM: Large Language Model (LLM) Assisted End-to-End Network Health Management Based on Multi-Scale Semanticization

MSADM：基于多尺度语义化的大型语言模型（LLM）辅助端到端网络健康管理系统

Fengxiao Tang, Xiaonan Wang, Xun Yuan, Linfeng Luo, Ming Zhao, Tianchi Huang, Nei Kato

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

AI总结 本文提出基于多尺度语义化的LLM辅助端到端网络健康管理系统，通过多尺度数据缩放、语义规则树与注意力机制结合的异常检测模型，以及链式推理的大规模语言模型，提升异构网络的故障诊断性能。

NeSy-Edge: Neuro-Symbolic Trustworthy Self-Healing in the Computing Continuum

NeSy-Edge：神经符号可信自愈在计算连续体中的应用

Peihan Ye, Alfreds Lapkovskis, Alaa Saleh, Qiyang Zhang, Praveen Kumar Donta

机构 * Department of Computer Systems and Sciences（计算机系统与科学系） ； University of Oulu（奥卢大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出NeSy-Edge框架，通过边缘优先设计，在资源受限的边缘节点进行本地感知与推理，结合云模型进行最终诊断，实现计算连续体中的可信自愈。

Interpretable Cross-Domain Few-Shot Learning with Rectified Target-Domain Local Alignment

可解释的跨领域少样本学习与修正的目标域局部对齐

Yaze Zhao, Yixiong Zou, Yuhua Li, Ruixuan Li

机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） 纠错

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

AI总结 本文提出CC-CDFSL方法，通过循环一致性解决CLIP-based CDFSL中的局部对齐问题，提升局部视觉语言对齐和可解释性，实现SOTA性能。

Comments Accepted to CVPR 2026

BAAF: Universal Transformation of One-Class Classifiers for Unsupervised Image Anomaly Detection

BAAF: 一类分类器的通用转换用于无监督图像异常检测

Declan McIntosh, Alexandra Branzan Albu

机构 * University of Victoria（维多利亚大学） 纠错

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

AI总结 本文提出BAAF方法，通过改进的Bootstrap聚合技术将任意一类分类器基的异常检测器转换为完全无监督方法，首次实现了图像无监督逻辑异常检测，并在多个数据集上取得最佳性能。

Comments 6 figures, 14 pages main paper, 25 pages total with supplemental

Subject Information Extraction for Novelty Detection with Domain Shifts

面向域偏移的新型别检测主题信息提取

Yangyang Qu, Dazhi Fu, Jicong Fan

机构 * School of Data Science The Chinese University of Hong Kong, Shenzhen, China（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.CV

AI总结 本文提出一种方法，通过分离主题信息与背景变化，提升域偏移下的检测性能，实验表明模型在未见领域表现优异。

EvidenceRL: Reinforcing Evidence Consistency for Trustworthy Language Models

EvidenceRL: 为可信语言模型强化证据一致性

J. Ben Tamo, Yuxing Lu, Benoit L. Marteau, Micky C. Nnamdi, May D. Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Pekin University（培根大学） 纠错

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

AI总结 EvidenceRL通过强化学习框架在训练中强制证据遵循，提升语言模型在医疗诊断和法律推理中的证据接地和可信度，同时保持任务准确性。

AndroTMem: From Interaction Trajectories to Anchored Memory in Long-Horizon GUI Agents

AndroTMem: 从交互轨迹到长周期GUI代理的锚定记忆

Yibo Shi, Jungang Li, Linghao Zhang, Zihao Dongfang, Biao Wu, Sicheng Tao, Yibo Yan, Chenxi Qin, Weiting Liu, Zhixin Lin, Hanqian Li, Yu Huang, Song Dai, Yonghua Hei, Yue Ding, Xiang Li, Shikang Wang, Chengdong Xu, Jingqi Liu, Xueying Ma, Zhiwen Zheng, Xiaofei Zhang, Bincheng Wang, Nichen Yang, Jie Wu, Lihua Tian, Chen Li, Xuming Hu

机构 * XJTU（西安交通大学） ； HKUST(GZ)（香港科技大学(广州)） ； HKUST（香港科技大学） ； CityU（城市大学） ； UTS（新南威尔士大学） ； TJU（天津大学） ； FDU（福建师范大学） ； SDU（山东大学） ； CASIA（中国科学院自动化所） ； SYSU（南方科技大学） ； NWPU（西北工业大学） 纠错

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

AI总结 本文提出AndroTMem框架，通过锚定状态记忆提升长周期GUI代理性能，实验显示其在任务完成率和动作成功率上优于传统方法。

ROPE: A Novel Method for Real-Time Phase Estimation of Complex Biological Rhythms

ROPE：一种用于复杂生物节律实时相位估计的新方法

Antonio Spallone, Marco Coraggio, Francesco De Lellis, Mario di Bernardo

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

AI总结 ROPE是一种能处理任意维度信号并实现实时相位估计的算法，通过高效搜索先前信号段来分割信号为伪周期，并在多种信号类型上验证其鲁棒性和性能优势。

Theoretical Foundations of Latent Posterior Factors: Formal Guarantees for Multi-Evidence Reasoning

潜在后验因子的理论基础：多证据推理的正式保证

Aliyu Agboola Alege

机构 * Epalea 纠错

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

AI总结 本文提出了一种理论框架，通过变分自编码器将多异质证据转换为高斯潜在后验，并利用Sum-Product网络或神经聚合器进行聚合，提供多证据推理的正式保证。

Comments 30 pages, 8 figures, 10 tables. Theoretical characterization of the Latent Posterior Factors (LPF) framework for multi-evidence probabilistic reasoning, with formal guarantees and empirical validation

Where MLLMs Attend and What They Rely On: Explaining Autoregressive Token Generation

MLLMs关注什么以及依赖什么：解释自回归标记生成

Ruoyu Chen, Xiaoqing Guo, Kangwei Liu, Siyuan Liang, Shiming Liu, Qunli Zhang, Laiyuan Wang, Hua Zhang, Xiaochun Cao

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系） ； College of Computing and Data Science, NTU（NTU 计算与数据科学学院） ； Huawei（华为） ； School of Flexible Electronics, SYSU（SYSU 灵活电子学院） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（Sun Yat-sen 大学深圳校区计算机科学与技术学院） 纠错

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

AI总结 本文提出EAGLE框架，通过轻量级黑盒方法解释MLLMs的自回归标记生成，量化语言先验和感知证据的影响，提升模型可解释性。

Comments Accepted to CVPR 2026

Capability-Guided Compression: Toward Interpretability-Aware Budget Allocation for Large Language Models

基于能力的压缩：迈向大语言模型中可解释性感知的预算分配

Rishaank Gupta

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出基于能力的压缩方法，通过能力密度图分配不同压缩预算，解决传统压缩方法中缺乏对模型组件功能编码表示的问题，证明高能力密度组件具有更低的结构冗余和更早达到相变点。

GNNVerifier: Graph-based Verifier for LLM Task Planning

GNNVerifier：基于图的LLM任务规划验证器

Yu Hao, Qiuyu Wang, Cheng Yang, Yawen Li, Zhiqiang Zhang, Chuan Shi

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 本文提出基于图的验证器，通过构建任务计划的图结构，利用图神经网络评估计划的合理性，从而纠正LLM生成的计划中的错误。

Comments 17pages,12figures

A prospective clinical feasibility study of a conversational diagnostic AI in an ambulatory primary care clinic

前瞻性临床可行性研究：一种对话式诊断AI在门诊初级保健诊所中的应用

Peter Brodeur, Jacob M. Koshy, Anil Palepu, Khaled Saab, Ava Homiar, Roma Ruparel, Charles Wu, Ryutaro Tanno, Joseph Xu, Amy Wang, David Stutz, Wei-Hung Weng, Hannah M. Ferrera, David Barrett, Lindsey Crowley, Jihyeon Lee, Spencer E. Rittner, Ellery Wulczyn, Selena K. Zhang, Elahe Vedadi, Christine G. Kohn, Kavita Kulkarni, Vinay Kadiyala, Sara Mahdavi, Wendy Du, Jessica M. Williams, David Feinbloom, Renee Wong, Tao Tu, Petar Sirkovic, Alessio Orlandi, Christopher Semturs, Yun Liu, Juraj Gottweis, Dale R. Webster, Joëlle Barral, Katherine Chou, Pushmeet Kohli, Avinatan Hassidim, Yossi Matias, James Manyika, Rob Fields, Jonathan X. Li, Marc L. Cohen, Vivek Natarajan, Mike Schaekermann, Alan Karthikesalingam, Adam Rodman

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

AI总结 本文探讨了基于大语言模型的对话式AI在真实临床环境中的可行性，评估了其安全性、质量和临床推理能力，并展示了AI在初级保健中的初步应用效果。

Eliciting Chain-of-Thought Reasoning for Time Series Analysis using Reinforcement Learning

通过强化学习激发时间序列分析的链式推理

Felix Parker, Nimeesha Chan, Chi Zhang, Kimia Ghobadi

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

AI总结 本文提出COUNTS框架，通过强化学习训练LLM进行时间序列任务的链式推理，提升复杂时间数据处理能力。