医学 AI

RUBRIC: Realism--Utility Balanced Ranking for Imbalanced Classification

RUBRIC：用于不平衡分类的现实-效用平衡排序

Yanxuan Yu, Dong Liu, Shu Wang, Wenxiao Zhao, Eric Jiang, Chang Liu, Jinxi Yu, Hui Pan, Ben Lengerich, Tong Geng, Renata Borovica-Gajic, Ying Nian Wu

机构 * Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of Melbourne（墨尔本大学） 纠错

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

AI总结 研究类别不平衡问题，提出RUBRIC框架，将合成样本选择设为质量优化问题，用现实-效用权衡排序，能收紧泛化边界，经实验验证其在信用卡欺诈检测等任务中可提升F1宏和召回率，保持ROC-AUC并可进行lambda敏感性分析。

Optimized Deferral for Imbalanced Settings

优化不平衡设置下的延迟策略

Corinna Cortes, Anqi Mao, Mehryar Mohri, Yutao Zhong

机构 * Google Research（谷歌研究） ； Courant Institute of Mathematical Sciences（Courant数学科学研究所） 纠错

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

AI总结 本文研究了在专家不平衡情况下两阶段学习延迟方法，提出新的成本敏感学习算法MILD，通过改进损失函数和保障机制，提升了图像分类和LLM路由任务的性能。

Comments ICML 2026

Variational Mixture of Graph Neural Experts for Alzheimer's Disease Recognition across Frequency Bands in EEG Brain Networks

用于跨脑电图脑网络频段的阿尔茨海默病识别的变分图神经专家混合模型

Jun-En Ding, Anna Zilverstand, Shihao Yang, Albert Chih-Chieh Yang, Feng Liu

机构 * Department of Industrial and Systems Engineering, Rutgers University（鲁特大学工业与系统工程系） ； Department of Psychiatry and Behavioral Sciences, University of Minnesota（明尼苏达大学精神病学与行为科学系） ； Institute of Brain Science, College of Medicine, National Yang-Ming Chiao Tung University（国家阳明交通大学医学院脑科学研究所） 纠错

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

AI总结 针对痴呆症脑电图诊断难题，提出VMoGE框架，结合多频段脑电图分析、变分图神经网络和专家混合架构。实验显示其性能强大，还具有临床转化价值，能关联疾病指标、揭示频段变化，为痴呆症诊断提供新方法和依据。

Same Targets, Different Computation: How Post-Training Divides Work Across Model Layers

指令微调如何改变上游状态影响后期读取：一种跨修补诊断

Yifan Zhou

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 研究探讨指令微调如何通过后期栈与上游状态交互影响后续token选择，通过跨修补诊断发现指令微调模型的后期栈效果依赖自身训练状态，且稀疏特征在其中起中介作用。

Comments 14 pages, 4 figures. Code and compact artifacts: https://github.com/yifan1207/first-divergence-crosspatching

Label-Efficient Bilateral Attention for Parkinson's Disease Screening from Wrist-Worn IMU Signals

通过双通道自监督交叉注意力实现帕金森病检测

Meheru Zannat

机构 * Khulna University of Engineering & Technology（Khulna工程科技大学） 纠错

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

AI总结 本文提出利用双通道自监督交叉注意力模型处理双侧腕部IMU信号，实现对帕金森病与健康对照组及鉴别诊断组的分类，取得高准确率，展示了在少量标注数据下迁移学习的有效性。

Comments 11 pages, 6 figures, 7 tables

Clinician input steers AI toward accurate and harmful recommendations

临床输入引导前沿AI模型做出准确和有害的决策

Ivan Lopez, Selin S. Everett, Bryan J. Bunning, April S. Liang, Dong Han Yao, Shivam C. Vedak, Kameron C. Black, Sophie Ostmeier, Stephen P. Ma, Emily Alsentzer, Jonathan H. Chen, Akshay S. Chaudhari, Eric Horvitz

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

AI总结 研究评估了临床输入如何影响AI模型在诊断生成和下一步建议中的表现，发现专家上下文显著提升诊断准确性，而对抗性上下文导致诊断退化，且模型在多轮对话中表现出不同的特性。

Safety-Aware Cascaded Inference for Crop Damage Assessment with Controlled Error Trade-offs

具有可控误差权衡的作物损害评估安全感知级联推理

José Thiéry Messigbédé Hagbe, Gani Kawsar Gounou, Songbian Karim Zimé

机构 * African School of Economics（非洲经济学院） 纠错

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

AI总结 研究针对小农户作物损害评估中漏检成本高问题，提出CascadeCropNet级联架构，通过阈值选择满足召回约束，经实验验证该架构能有效减少漏检，在可靠性优先场景下可实现安全导向决策约束。

Comments 44 pages, 7 figures, 12 tables. Submitted to Computers and Electronics in Agriculture, April 2026

Dementia classification from spontaneous speech using wrapper-based feature selection

基于自发语音的痴呆症分类：基于包装的特征选择

Marko Niemelä, Mikaela von Bonsdorff, Sami Äyrämö, Tommi Kärkkäinen

机构 * Faculty of Information Technology, University of Jyväskylä（信息科技学院，于韦斯屈莱大学） ； Public Health Programme, Folkhälsan Research Center（公共卫生计划，福尔哈兰研究中心） ； Faculty of Sport and Health Sciences and Gerontology Research Center, University of Jyväskylä（体育与健康科学学院及老年学研究中心，于韦斯屈莱大学） ； Wellbeing Services County of Central Finland（中央芬兰福祉服务县） 纠错

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

AI总结 本文通过分析自发语音数据，利用包装法特征选择模型，提出高效且可解释的痴呆症分类方法，证明极端最小学习机在计算效率和分类精度上的优势。

Journal ref Applied Computing and Intelligence, 2026, 6(1): 89-114

Fundus Image-based Glaucoma Screening via Retinal Knowledge-Oriented Dynamic Multi-Level Feature Integration

基于视网膜图像的青光眼筛查：面向视网膜知识的动态多级特征整合

Chi Liu, Yuzhuo Zhou, Sheng Shen, Zongyuan Ge, Fengshi Jing, Shiran Zhang, Yu Jiang, Anli Wang, Wenjian Liu, Feilong Yang, Tianqing Zhu, Xiaotong Han

机构 * State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangdong Provincial Key Laboratory of Ophthalmology and Vision Science, Guangdong Provincial Clinical Research Center for Ocular Diseases（眼科学国家重点实验室、中山眼科中心、中山大学、广东省眼科学重点实验室和视觉科学、广东省眼科临床研究中心） ； Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院） ； Hainan International College, Minzu University of China（海南国际学院，中国民族大学） ； School of Information Technology, Faculty of Business and Hospitality, Torrens University Australia（澳大利亚托伦斯大学信息科技学院，商业与酒店管理学院） ； AIM for Health Lab, Faculty of IT, Monash University, Australia（健康AIM实验室，墨尔本大学IT学院，澳大利亚） ； Department of Ophthalmology, Guangzhou First People’s Hospital, the Second Affiliated Hospital of South China University of Technology（广州第一人民医院，华南理工大学第二附属医院） ； The Third Xiangya Hospital of Central South University（中南大学湘雅医学院第三医院） 纠错

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

AI总结 本文提出基于视网膜知识的动态多级特征整合框架，通过动态窗口机制和知识增强卷积注意力模块提升青光眼筛查的鲁棒性，实验表明其在AIROGS数据集上达到98.5%的AUC和94.6%的准确率。

Comments 15 pages. Published in Knowledge-based System

Multivariate Planar Curves: A Statistical Framework for Shape Analysis in Images

多元平面曲线：图像形状分析的统计框架

Issam-Ali Moindjié, Cédric Beaulac, Marie-Hélène Descary

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

AI总结 研究在图像分析的监督分类中用对象轮廓作预测器，开发多元平面曲线统计学习框架，联合建模轮廓保留组件信息，扩展相关工具，经模拟和心脏肥大检测问题验证，该框架能准确恢复参数并提高分类准确性。

DECIS: Dual-Evidence Corrective Verification for Interpretable Strabismus Diagnostic Decision-Making

MAGIS：基于证据的多智能体推理用于可解释的斜视临床决策

Xikai Tang, Yifan Wang, Jiafan Zhuang, Li Luo, Jinming Guo, Xiaoling Xie, Jiacheng Liu, Peiwei Wei, Lihao Zhong, Xiaoli Kang, Jie Cen, Guangqiang Yin, Kunliang Qiu, Ce Zheng, Zhun Fan

机构 * School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳高等研究院） ； Joint Shantou International Eye Center of Shantou University and The Chinese University of Hong Kong（汕头大学·香港中文大学联合汕头国际眼科中心） ； School of Artificial Intelligence, Guangzhou City Polytechnic（广州城市职业学院人工智能学院） ； Medical College, Shantou University（汕头大学医学院） ； College of Engineering, Shantou University（汕头大学工学院） ； Department of Ophthalmology, Xinhua Hospital Affiliated to Shanghai Jiaotong University School of Medicine（上海交通大学医学院附属新华医院眼科） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 提出MAGIS框架，通过多智能体协作、双重证据约束上下文和基于证据的纠正验证机制，将斜视诊断从黑箱生成转变为结构化推理，在细粒度斜视基准上将加权F1分数从72.0%提升至91.3%，并显著提高诊断报告的临床可靠性。

Crayotter: Traceable Multi-Agent Workflows for Long-Form Video Editing

Crayotter: 用于长视频编辑的可追踪多智能体工作流

Lecheng Yan, Yichong Zhang, Xiantao Xu, Jianze Lin, Ben Pan, Xiaoyu Zheng, Jiawei Qian, Anqi Wu, Jiahui Geng, Ruizhe Li, Fengyu Cai, Jingcheng Niu, Raymond Li, Wenxi Li, Chenyang Lyu

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 ：diagnosis(abstract)；分类 cs.CV

AI总结 提出Crayotter，一个开源多模态多智能体系统，通过三阶段工作流（材料准备、基于工件的编辑研究、工具驱动的执行）实现长视频编辑的可追踪性和选择性修订，在人类评估中优于基线方法。

Comments 10 pages, 5 figures

An architectural capacity ceiling, not a barren plateau: why a fixed-encoding variational quantum circuit cannot fit the Lorenz-63 attractor

固定回路与变分量子架构在混沌动力学中的应用：在洛伦兹系统上对QRC和QPINN的基准测试

Tushar Pandey

机构 * Texas A&M University（德克萨斯理工大学） 纠错

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

AI总结 本文比较了固定回路与变分量子架构在洛伦兹系统混沌时间序列预测中的性能，发现QRC在训练速度和测试误差方面优于QPINN，且其稳定性源于非变分架构的设计。

Comments v2: major revision. Corrected McClean-comparable gradient-variance analysis (same-ansatz 2-design floor, live/dead parameter split), added optimiser-independence and output-Jacobian capacity diagnostics and a corrected Fourier ceiling; reframed the reservoir/ESN advantage as architectural, not quantum; title changed. 17 pages, 3 figures; iopart class

GenTL: A General Transfer Learning Model for Building Thermal Dynamics

GenTL：用于建筑热动力学的通用迁移学习模型

Fabian Raisch, Thomas Krug, Christoph Goebel, Benjamin Tischler

机构 * Technical University of Applied Sciences Rosenheim（应用技术大学罗斯海姆） ； Technical University of Munich（慕尼黑技术大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-罗克琴堡研究所） ； Rajiv Gandhi University（拉贾·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室） 纠错

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

AI总结 研究针对建筑热动力学建模中迁移学习性能不一致问题，提出通用迁移学习模型GenTL，它基于LSTM网络用多建筑数据预训练，可有效微调至多种目标建筑，经测试相比单源模型平均预测误差降低42.1%，证明了该方法的有效性和可靠性。

Comments This is the author's version of the work. It is posted here for your personal use. Not for redistribution. The definitive Version of Record will be published in the ACM library in Jun 2025

Journal ref ACM E-Energy '25: Proceedings of the 16th ACM International Conference on Future and Sustainable Energy Systems (2025)

Beyond Logit Adjustment: A Residual Decomposition Framework for Long-Tailed Reranking

超越Logit调整：一种用于长尾重排的残差分解框架

Zhanliang Wang, Hongzhuo Chen, Quan Minh Nguyen, Mian Umair Ahsan, Kai Wang

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Children’s Hospital of Philadelphia（费城儿童医院） 纠错

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

AI总结 本文提出残差分解框架，用于解决长尾分类中频繁类与稀有类的排序问题，通过分析残差分解的类内和类间组件，提出REPAIR方法以提升重排性能。

Comments Accepted into COLM 2026

Journal ref CONFERENCE ON LANGUAGE MODELING CONFERENCE ON LANGUAGE MODELING Third Conference on Language Modeling (COLM 2026)

When and Why Does Multi-Agent Debate Fail and Does It Really Underperform?

多智能体辩论何时以及为何失败，它真的表现不佳吗？

Yongqiang Chen, Gang Niu, James Cheng, Bo Han, Masashi Sugiyama

机构 * The Chinese University of Hong Kong（香港中文大学） ； RIKEN Center for Advanced Intelligence Project（日本理化学研究院高级智能项目中心） ； Hong Kong Baptist University（香港 Baptist大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 研究多智能体辩论（MAD）失败原因及表现，分析竞争型和寻求共识型MAD范式问题，提出协作协议ColMAD，经实验验证其在错误检测等任务上比之前协议高出10个百分点，且优于单智能体方法，凸显协议设计对MAD潜力实现的关键作用。

Comments Preprint, ongoing work

AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE

AnchorMoE: 基于锚点路由的混合专家模型实现可解释时间序列分类

Tao Xie, Zexi Tan, Haoyi Xiao, Mengke Li, Yiqun Zhang, Yang Lu, Cuie Yang, Yiu-ming Cheung

机构 * School of Automation, Guangdong University of Technology（广东工业大学自动化学院） ； School of Computer Science and Technology, Guangdong University of Technology（广东工业大学计算机科学与技术学院） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； School of Informatics, Xiamen University（厦门大学信息学院） ； State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University（东北大学过程工业综合自动化国家重点实验室） ； Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系） 纠错

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

AI总结 提出AnchorMoE框架，利用混合专家架构对局部补丁进行多视角表示并路由至专门专家，通过加性分解实现前向可解释性，并引入几何正交约束和不确定性感知门控机制提升稀疏信号下的分解可靠性与噪声抑制。

Comments Accepted by KDD 2026

Neuro-symbolic Weak Supervision: Theory and Semantics

神经符号弱监督：理论与语义

Nijesh Upreti, Vaishak Belle

机构 * School of Informatics, University of Edinburgh（信息学院，爱丁堡大学） 纠错

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

AI总结 研究多实例部分标签学习中神经符号框架语义，通过集成归纳逻辑编程用关系约束构建该框架，定义标签转换假设空间等，研究两项归纳任务，便于约束规范等。

MedSynapse-V: Bridging Visual Perception and Clinical Intuition via Latent Memory Evolution

MedSynapse-V：通过潜在记忆演化桥接视觉感知与临床直觉

Chunzheng Zhu, Jiaqi Zeng, Junyu Jiang, Jianxin Lin, Yijun Wang

机构 * Hunan University（湖南大学） 纠错

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

AI总结 提出MedSynapse-V框架，通过潜在诊断记忆演化模拟临床专家经验调用，解决医学视觉语言模型因离散分词导致的量化损失、长程信息消散和案例适应性问题，在诊断准确性上显著超越现有方法。

Comments ECCV 2026; Medical latent reasoning; Memory evolution

HAL: Inducing Human-likeness in LLMs with Alignment

HAL: 通过对齐引导LLM的人类相似性

Masum Hasan, Junjie Zhao, Ehsan Hoque

机构 * University of Rochester（罗切斯特大学） 纠错

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

AI总结 提出HAL框架，利用可解释的数据驱动奖励信号，通过对比对话数据提取显式会话特征并优化偏好，使模型在对话中更常被视为类人，同时保持整体性能。

Latent Space Analysis for Interpretable Uncertainty in Melanoma Classification

黑色素瘤分类中可解释不确定性的潜在空间分析

Ciro Listone, Aniello Murano

机构 * University of Naples Federico II（那不勒斯费德里科二世大学） 纠错

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

AI总结 提出结合对抗变分自编码器和XGBoost的混合框架，利用生成潜在空间实现可解释决策支持，在黑色素瘤分类中达到AUC 0.868，并通过基于内容的图像检索为边界病例提供视觉比较。

Comments The proposed approach presents some technical imperfections and needs to be refined with further examinations

Towards Understanding The Calibration Benefits of Sharpness-Aware Minimization

理解锐度感知最小化的校准优势

Chengli Tan, Yubo Zhou, Haishan Ye, Guang Dai, Junmin Liu, Zengjie Song, Jiangshe Zhang, Zixiang Zhao, Yunda Hao, Yong Xu

机构 * Northwestern Polytechnical University（西北工业大学） ； SGIT AI Lab, State Grid Corporation of China（国网SGIT人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； ETH Zürich（苏黎世联邦理工学院） ； Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文通过理论分析揭示锐度感知最小化（SAM）通过隐式最大化预测分布熵来改善模型校准，并提出变体CSAM进一步降低校准误差。

Comments ICLR2026

ATHENA: Agentic Team for Hierarchical Evolutionary Numerical Algorithms

ATHENA：分层进化数值算法的智能团队

Juan Diego Toscano, Daniel T. Chen, George Em Karniadakis

机构 * Division of Applied Mathematics, Brown University（布朗大学应用数学系） 纠错

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

AI总结 ATHENA通过知识驱动的诊断流程，实现科学计算与科学机器学习的自动化，结合专家蓝图和组合空间，生成高精度数值解和稳定求解器，达到10^-14的验证误差。

Predictive variational inference: Learn the predictively optimal posterior distribution

预测变分推断：学习预测最优的后验分布

Jinlin Lai, Antonio Linero, Yuling Yao

机构 * College of Information and Computer Sciences, University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校信息与计算机科学学院） ； Department of Statistics and Data Sciences, University of Texas, Austin（德克萨斯大学奥斯汀分校统计与数据科学系） 纠错

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

AI总结 提出预测变分推断（PVI）框架，通过优化后验分布使预测分布逼近真实数据生成过程，解决模型误设问题，并实现自动模型诊断。

Comments ICML 2026

A CEFR-Inspired Classification Framework with Fuzzy C-Means To Automate Assessment of Programming Skills in Scratch

基于CEFR启发的模糊C均值分类框架：自动化评估Scratch编程技能

Ricardo Hidalgo-Aragón, Jesús M. González-Barahona, Gregorio Robles

机构 * Universidad Rey Juan Carlos（雷昂卡洛斯大学） 纠错

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

AI总结 提出一种基于CEFR的Scratch项目评估框架，使用模糊C均值聚类对200万+项目分级，识别B2瓶颈并引入分类确定性指标以平衡自动反馈与人工审核。

Comments Best Paper Award CSEDU 2026 -Minor change FPC fix-

Rethinking Cross-Layer Information Routing in Diffusion Transformers

重新思考扩散变换器中的跨层信息路由

Chao Xu, Maohua Li, Qirui Li, Yixuan Xu, Yanke Zhou, Yunhe Li, Cuifeng Shen, Hanlin Tang, Kan Liu, Tao Lan, Lin Qu, Shao-Qun Zhang

机构 * Nanjing University（南京大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文研究了扩散变换器中跨层信息流动的问题，通过系统性的实证分析，识别了传统残差加法的三个具体症状，并提出了扩散适应性路由（DAR）方法，以实现可学习、时间步适应和非递增的子层输出聚合，从而提升模型性能。

Conditional Attribution for Root Cause Analysis in Time-Series Anomaly Detection

时间序列异常检测中根因分析的条件归因

Shashank Mishra, Karan Patil, Cedric Schockaert, Didier Stricker, Jason Rambach

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； Paul Wurth S.A（保罗·沃思公司） ； Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau（莱茵河-巴尔夫技术大学凯撒斯劳滕-兰道） 纠错

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

AI总结 提出一种条件归因框架，通过检索与异常观测上下文相似的正态实例进行依赖保持的解释，结合变分自编码器和UMAP流形嵌入实现高维时间序列的高效归因，并在SWaT和MSDS基准上提升了根因识别准确率与鲁棒性。

Comments Accepted at ECML PKDD. 16 pages, 8 figures, 13 tables, and an appendix

Journal ref ECML PKDD 2026

Epileptic Seizure Detection in Separate Frequency Bands Using Feature Analysis and Graph Convolutional Neural Network (GCN) from Electroencephalogram (EEG) Signals

基于特征分析和图卷积神经网络（GCN）的脑电图（EEG）信号癫痫发作检测在不同频段的研究

Ferdaus Anam Jibon, Fazlul Hasan Siddiqui, F. Deeba, Gahangir Hossain

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

AI总结 提出一种频率感知框架，将EEG分解为五个频段并提取判别特征，利用图卷积神经网络建模电极空间依赖，在CHB-MIT数据集上实现99.01%的宽带准确率，提高了可解释性和诊断精度。

Comments One author disagrees with the archiving

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