医学 AI

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

Grading the Graders: Verification Autonomy Levels (L0-L5) for LLM Reasoning

评估评估者：面向大语言模型推理的验证自主等级（L0-L5）

Yajie Yin

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究提出验证自主等级（VAL）元标准，解决验证领域的等级概念混淆，明确不同验证方案的完备性边界，相关代码与评估材料已公开。

Comments v2: reproducibility study (kappa~0.8), agent-security case (PPMF), anchor semantics, 15+ fixes. Code and data: https://github.com/1549080929-debug/math_agent Keywords: LLM verification; verification autonomy; completeness; ground truth; trustworthy AI Writing and implementation assisted by an AI language model; all experiments, data, and research decisions are the author's own

EchoTrace: Diagnosing Recursive Risks in LLM-Powered Recommender Systems

循环中的回声：在LLM推荐系统中反馈循环下的风险诊断

Donguk Park, Dongwon Lee, Yeon-Chang Lee

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出了一种角色感知的诊断框架，用于分析LLM推荐系统中反馈循环下的系统性风险，包括偏见、幻觉和自我强化的暴露模式。

Comments Accepted by ACM CIKM 2026

Stratified wakes of a prolate spheroid at moderate angle of attack

Sheel Nidhan, Sanidhya Jain, Jose L. Ortiz-Tarin, Sutanu Sarkar

专题命中 诊断辅助 ：diagnosis(abstract)

Comments Accepted to TSFP 13. Conference paper available at: http://www.tsfp-conference.org/proceedings/2023/97.pdf

Journal ref 13th International Symposium on Turbulence and Shear Flow Phenomena (TSFP13), Montreal, Canada 2024

LLM Enhancement with Domain Expert Mental Model to Reduce LLM Hallucination with Causal Prompt Engineering

结合领域专家心智模型的大语言模型增强：通过因果提示工程减少大语言模型幻觉

Boris Kovalerchuk, Brent D. Fegley

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出结合专家心智模型（EMM）的因果提示工程框架，通过形式化相关前置流程构建EMM，减少LLM幻觉，在三类任务中验证了方法有效性。

Comments 42 pages,4 figures, 4 tables

Spinal Coupling in Frontal and Transversal Plane During Gait - A Segmental and Time-Dependent Analysis of the Thoracic and Lumbar Spine

步态过程中额状面与横断面上的脊柱耦合：胸椎与腰椎的节段性及时间依赖性分析

Jonas Dully, Carlo Dindorf, Henriette Rönsch, Dennis Perchthaler, Jürgen Konradi, Ulrich Betz, Michael Fröhlich

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究分析642名受试者的脊柱运动学，揭示步态中T3至L4椎体的脊柱耦合存在颅尾方向模式，静态矢状位姿势可调节该模式，为脊柱生物力学研究及相关疾病诊疗提供基础。

Defensive Pessimism: Growth, Culture, and the Survival of Evidence

防御性悲观主义：增长、文化与证据的存续

Georgy Lukyanov

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文研究发展社会中合作与攫取型政权的关系，提出文化维系的外部实践可纠正合作失败，揭示规模-份额楔子机制，还提出滚动履约保证金机制以保障相关实践的执行与改革。

Token Reduction Is Not Cost Reduction

令牌减少并非成本降低

Sarel Weinberger, Amir Hozez

机构 * PointFive 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究基于 API 的编码代理上下文减少层，通过对 2848 次 Claude Code 运行分析，发现提示缓存流量主导成本，工具输出减少不能可靠预测计费成本降低，压缩可能损害任务完成，进而提出以成功调整计费成本为核心的分层证据标准。

Foam-Agent: A Large Language Model-Based Multi-Agent Framework for Automating Computational Fluid Dynamics Workflows

Foam-Agent：迈向自动化智能CFD工作流程

Ling Yue, Nithin Somasekharan, Tingwen Zhang, Yadi Cao, Zhangze Chen, Shimin Di, Shaowu Pan

机构 * Department of Computer Science, Rensselaer Polytechnic Institute（里士满理工学院计算机科学系） ； Department of Mechanical, Aerospace, and Nuclear Engineering, Rensselaer Polytechnic Institute（里士满理工学院机械、航空航天与核工程系） ； Department of Computer Science and Engineering, University of California San Diego（加州大学圣地亚哥分校计算机科学与工程系） ； College of Education, Zhejiang Normal University（浙江师范大学教育学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 Foam-Agent通过多智能体框架和大型语言模型，实现自动化CFD工作流程，显著提升模拟效率和成功率。

Comments 34 pages, 9 figures, 9 tables

Journal ref Computer Methods in Applied Mechanics and Engineering, Vol. 461, 119271 (2026)

VIScore: Diagnosing Planning-Relevant Quality in Latent World Models

VIScore：诊断潜在世界模型中与规划相关的质量

Haiyu Wu, Randall Balestriero, Morgan Levine

机构 * Altos Labs（阿尔托斯实验室） ； Brown University（布朗大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究针对潜在世界模型规划成功率与潜在空间属性脱节的问题，提出VIScore指标，覆盖编码器、预测器、规划器，在跨任务场景下斯皮尔曼相关性超0.75，可更好解释规划成功率。

Classical Acceptance Is Not Hybrid Authentication: Validation Policy and Lifecycle Management of Hybrid X.509 Certificates in Deployed Open-Source Stacks

经典接受并非混合认证：在后量子迁移中测量X.509验证器语义

Taesung Kim, Boheung Chung, Keonwoo Kim, Yousung Kang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究后量子迁移中X.509混合证书验证问题，通过对多种验证堆栈、模式和证书方案测量，发现经典路径验证常忽略后量子证据，存在互操作性和绑定问题，贡献了验证器模型和参考合同并分析标准未要求的原因。

Comments 15 pages, 1 figure, 7 tables. Substantially revised manuscript with a management-focused framing, expanded lifecycle analysis, a policy-parametric validation contract, and updated reproducibility materials. Submitted to IEEE Transactions on Network and Service Management

Toward Fair Speech Technologies: A Comprehensive Survey of Bias and Fairness in Speech AI

面向公平的语音技术：语音AI中的偏差与公平性综合综述

Yi-Cheng Lin, Yun-Shao Tsai, Kuan-Yu Chen, Hsiao-Ying Huang, Huang-Cheng Chou, Shrikanth Narayanan, Yu Tsao, Jian-Jiun Ding, Hung-yi Lee

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本综述整合400余项相关研究，构建统一框架，针对语音模态提出7种公平定义，梳理偏差来源并系统化缓解策略，为语音AI的公平性研究提供了全面指引。

Comments 73 pages, work in progress

UPAIR: Diagnosing Reasoning States via Uncertainty-Progress Alignment for Selective Intervention

你的模型是在思考还是停滞不前？PUMA：通过相位动量对齐诊断推理病理学

Cheng Yan, Zhijun Fan, Guangyang Ye, Fan Xu, Xiang Xia, Yawei Wang, Wuyang Zhang

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)

AI总结 研究大型推理模型测试时的“过度思考”问题，提出相位动量对齐假设并构建认知能量模型，引入PUMA框架，通过分层诊断架构区分主动探索与被动停滞，在多基准实验中优于现有基线，实现更好的准确性-效率权衡和跨域泛化。

ConMem: Contribution-Aware Memory for Long-Horizon Manufacturing Inspection Logs

ConMem：面向长周期制造检查日志的贡献感知记忆

Bingchen Liu, Yuanyuan Fang, Lei Liu, Guangyuan Dong, Xing Fu, Yuanyuan Gao, Shuyue Wei, Xin Li, Xiangtian Meng

机构 * Shandong University（山东大学） ； Boston University（波士顿大学） ； North China Electric Power University（华北电力大学） ； National University of Singapore（新加坡国立大学） ； Joint SDU-NTU Centre for Artificial Intelligence Research (C-FAIR), Shandong University（山东大学-南洋理工大学人工智能联合研究中心（C-FAIR）） ； Rizhao Steel Holding Group Co., Ltd.（日照钢铁控股集团有限公司） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究针对长周期制造检查日志的早期风险筛查需求，提出ConMem贡献感知记忆框架，通过Shapley风格评估保留高价值证据，在真实数据集上实现76.0% QA准确率，大幅减少输入token数与响应时间，可有效保留弱早期信号并提供预警。

From Errors to Rules: Iterative Prompt Optimization for Text Classification

从错误到规则：文本分类的迭代提示优化

Yueying Cui, Renhao Xue, Yi Zhang, Mukul Prasad

机构 * Amazon Web Services（亚马逊网络服务公司） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究文本分类的提示优化方法，提出错误引导优化（ERGO）方法，通过诊断-规定-重写反馈循环迭代训练集。该方法在特定任务上准确率最高，能生成可解释规则，还提供了任务特征与最优范式选择的互补框架。

Prompt engineering does not universally improve Large Language Model performance across clinical decision-making tasks

提示工程并不能普遍提升大型语言模型在临床决策任务中的性能

Mengdi Chai, Ali R. Zomorrodi

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究发现提示工程对LLMs在临床决策任务中的性能提升具有高度依赖模型和任务的特性，强调了定制化策略的重要性。

MiraMind: Benchmarking Reliable Mental Health Reasoning beyond Answer Accuracy

MentraSuite：面向心理健康推理与评估的训练后大语言模型

Mengxi Xiao, Kailai Yang, Pengde Zhao, Enze Zhang, Ziyan Kuang, Zhiwei Liu, Weiguang Han, Shu Liao, Lianting Huang, Guojun Xiong, Victor Gutierrez Basulto, Jinpeng Hu, Min Peng, Qianqian Xie, Sophia Ananiadou

机构 * School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； Center for Language and Information Research, Wuhan University（武汉大学语言信息研究中心） ； The University of Manchester（曼彻斯特大学） ； School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； Mount Holyoke College（马歇尔学院） ； Hefei University of Technology（合肥工业大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 MentraSuite通过训练后模型Mindora，提升心理健康推理的可靠性与一致性，适用于复杂的心理健康评估与诊断场景。

Same Task, Different Work: Prompt-Induced Waste in Coding Agents

提示词诱导的大推理模型浪费：一项预注册的双框架编码智能体基准测试

Sarel Weinberger, Amir Hozez

机构 * PointFive 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究通过预注册基准测试发现，提示词措辞和智能体框架会大幅影响大推理编码智能体的成本，部分提示指令可成倍增加推理成本却不提升任务成功率，框架选择的成本差异更显著。

KRCA: An Efficient Root Cause Analysis System in Hyper-scale Microservice Systems via Agentic AI

KRCA：一种基于智能体AI的超大规模微服务系统高效根因分析系统

Jiamin Jiang, Jingfei Feng, Yu Luo, Qingliang Zhang, Yongqian Sun, Wenwei Gu, Shenglin Zhang, Tianyu Cui, Yao Wu, Jielong Huang, Nan Qi, Dan Pei

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出KRCA系统，通过多阶段流水线（API级钻取、骨架因果图、记忆增强多智能体框架）实现超大规模微服务的高效根因定位与故障分类，AC@1达0.88和0.79，诊断时间减少77.3%。

A neighbour selection approach for identifying differential networks in conditional functional graphical models

一种用于识别条件功能图模型中差异网络的邻居选择方法

Alessia Mapelli, Laura Carini, Francesca Ieva, Sara Sommariva

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出了一种基于功能-功能回归的邻居选择方法，用于识别条件功能图模型中的差异网络，通过协变量调节连接模式并提高估计精度和计算效率。

Copy Less, Ground More: Overcoming Repetitive Copying in Long-Context Reasoning via Evidence-Aware Reinforcement Learning

少复制，多扎根：通过证据感知强化学习克服长上下文推理中的重复复制

Lizhe Fang, Weizhou Shen, Tianyi Tang, Yisen Wang

机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究长上下文推理中语言模型的重复复制问题，提出GEAR奖励塑造方法，通过区分关键证据和干扰上下文来增强奖励信号，经实验验证该方法能提升模型性能，减少重复复制，凸显准确扎根证据对长上下文推理的重要性。

Generative AI in Action: Field Experimental Evidence from Alibaba's Customer Service Operations

生成AI在行动：来自阿里巴巴客户服务中心的实地实验证据

Xiao Ni, Yiwei Wang, Tianjun Feng, Lauren Xiaoyan Lu, Yitong Wang, Congyi Zhou

机构 * Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Dartmouth College（达特茅斯学院） ； Alibaba Group Inc.（阿里巴巴集团） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究通过大规模实地实验评估生成AI助手对电商售后客服人员绩效的影响，发现AI显著提升服务速度和服务质量，但对顶级员工产生负面影响，提示需定制化部署策略。

Diagnostic Feedback under Hidden Task Difficulty

隐藏任务难度下的诊断反馈

Mark Izgarshev, Georgy Lukyanov

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究针对隐藏任务难度的场景，提出均衡精炼机制，可在特定条件下实现对困难任务的诊断，证明隐藏难度能生成智能体相关信息，且该机制适用于连续努力与不完美诊断的情况。

MMEB-V3: Measuring the Performance Gaps of Omni-Modality Embedding Models

MMEB-V3: 多模态嵌入模型性能差距的测量

Haohang Huang, Xuan Lu, Mingyi Su, Xuan Zhang, Ziyan Jiang, Ping Nie, Kai Zou, Tomas Pfister, Wenhu Chen, Wei Zhang, Xiaoyu Shen, Rui Meng

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出MMEB-V3基准，评估文本、图像、视频、音频及基于代理的多模态嵌入，发现现有模型在跨模态检索中存在显著偏差和不足。

Comments Accepted at COLM 2026

When Does Trial-Real-World Data Fusion Improve Precision? Model Auditing and Selection-Aware Inference for Adaptive-TMLE

现实世界数据何时能使随机试验更高效，以及如何知晓？一份成绩单、一张效率图以及针对自适应TMLE的选择感知推断

M. Ehsan Karim

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 以自适应靶向最大似然估计为例，开发三个工具。包括使估计器偏差模型可审计的成绩单、对比仅试验估计器的融合利弊图、对增益进行选择感知推断，用于评估现实世界数据与试验数据结合的效果。

Comments 42 pages, 4 figures, 13 tables; 48-page supplementary Web Appendix included as an ancillary file. Reproducible code: https://github.com/ehsanx/atmle-efficiency

SAGE: Stochastic Prompt Optimization via Agent-Guided Exploration

SAGE: 基于智能体引导探索的随机提示优化

Ziyi Zhu, Luka Smyth, Saki Shinoda, Jinghong Chen

机构 * Slingshot AI ； Department of Engineering, University of Cambridge（剑桥大学工程系） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出随机提示优化框架SPO，其中SAGE方法通过多智能体诊断代码执行实现黑盒搜索，在多个基准测试中表现依赖于错误类型，并在心理健康聊天机器人中通过连续优化显著提升次日留存率。

WIRE: Profiling Witnessed Within-Policy Instruction Collisions in LLM Agents

诊断LLM代理中实时策略内指令冲突的见证解析轮廓

Lu Yan, Xuan Chen, Xiangyu Zhang

机构 * Purdue University（普渡大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出WIRE管道，通过提取规则、编码为PyRule子句、检测冲突并生成见证实例，诊断LLM代理单一提示策略内规则对之间的冲突，发现64.6%的见证实例至少违反一条源规则。

Interpretable Depression Detection from Social Media Text Using LLM-Derived Embeddings

使用基于大语言模型的嵌入从社交媒体文本中进行可解释的抑郁症检测

Samuel Kim, Oghenemaro Imieye, Yunting Yin

机构 * Earlham College（埃尔哈姆学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究利用大语言模型和传统机器学习分类器，针对社交媒体文本进行三项心理健康预测任务。通过多数据集五折交叉验证实验发现，零样本LLMs在二元抑郁分类表现好，细粒度严重程度预测差；基于LLM摘要嵌入的监督模型性能更优，为构建有效可解释评估系统提供方向。

Comments This version of the contribution has been accepted for publication at ICAI 2026, after peer review but is not the Version of Record and does not reflect post-acceptance improvements, or any corrections

SR-Agent: An Experience-Driven Agentic Framework for Post-Ranking Strategy Refinement in E-Commerce Recommendation

SR-Agent：一种用于电子商务推荐中排序后策略优化的经验驱动智能框架

Hanchen Yang, Kaiwen Yang, Junpeng Zhuang, Yang He, Keting Cen, Bochao Liu, Zhongbo Sun, An Liu, Zhongteng Han, Chenyi Lei

机构 * Kuaishou Technology（快手科技） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 电商推荐系统中，后排序策略因环境变化需优化，以往方式存在问题。本文提出SR-Agent框架，统一用户模拟、分析和策略优化组件，经快手平台测试，能提升订单量、浏览深度和点击类别多样性，还缩短优化周期、降低成本。