医学 AI

A Nearable Soft Mat Based on Distributed Optical Fiber Sensing for Physiological Monitoring

基于分布式光纤传感的近距软垫用于生理监测

Vincenzo Lavorgna, Martina Pulcinelli, Andrea Polimadei, Rosaria D Amato, Carlo Massaroni, Michele Arturo Caponero, Emiliano Schena, Daniela Lo Presti

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.CV

AI总结 研究基于分布式光纤传感提出用于生理监测的软垫，将单模光纤嵌入柔性硅树脂基质呈蛇形布局，经实验在标准办公椅靠背上对志愿者测试，实现大面积分布式传感、空间映射及定量心肺监测，验证了该方法的可行性。

Deceptive Grounding: Entity Attribution Failure in Clinical Retrieval-Augmented Generation

欺骗性基础：临床检索增强生成中的实体归因失败

Cedric Caruzzo, Donggeun Yoo, Tae Soo Kim

机构 * Lunit（鲁尼特） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 研究临床检索增强生成中的欺骗性基础问题，通过对13个模型测试发现DG率8%-87%，医学等微调模型高达86.7%。控制消融确定机制，实体归因验证可检测DG，现有框架未实施，为该领域研究提供新视角和方法。

Comments 24 pages, 7 figures, 12 tables

Transformer-Based Inverse Microrheology for Experimental Mechanics at Ultra-High Strain Rates

基于Transformer的超高应变率下实验力学的逆微流变学

Lehu Bu, Zhaohan Yu, Danila Frolkin, Junyoung Kim, Qihang Shi, Jan N. Fuhg, Shaoting Lin, Jin Yang

机构 * Materials Science Graduate Program, Texas Materials Institute, The University of Texas at Austin（材料科学研究生项目，德克萨斯材料研究所，德克萨斯大学奥斯汀分校） ； Department of Mechanical Engineering, Michigan State University（机械工程系，密歇根州立大学） ； Department of Aerospace Engineering and Engineering Mechanics, The University of Texas at Austin（航空航天工程与工程力学系，德克萨斯大学奥斯汀分校） ； The Oden Institute of Computational Science and Engineering, University of Texas at Austin（奥登计算科学与工程研究所，德克萨斯大学奥斯汀分校） ； Department of Mechanical Engineering, University of Wisconsin-Madison（机械工程系，威斯康星大学麦迪逊分校） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 研究针对传统流变工具在超高应变率下表征软材料的局限，提出基于Transformer的气泡动力学框架BDT，集成物理模拟与神经网络，从气泡动力学快速逆表征软材料粘弹性，无需迭代优化，加速参数推断并能表征多种材料行为。

DeepPySR -- A Symbolic Regression Framework with Dynamic Pruning, Pareto Selection, and Hierarchical Composition for Real-World Scientific Discovery

DeepPySR——一个用于现实世界科学发现的具有动态剪枝、帕累托选择和分层组合的符号回归框架

Fuling Chen, Kevin Vinsen, Phillip Melton, Rae-Chi Huang

机构 * International Centre for Radio Astronomy Research (ICRAR), University of Western Australia（国际射电天文学研究中心（ICRAR），西澳大利亚大学） ； The Raine Study, University of Western Australia（雷恩研究中心，西澳大利亚大学） ； Menzies Institute for Medical Research, University of Tasmania（孟席斯医学研究所，塔斯马尼亚大学） ； Nutrition & Health Innovation Research Institute, School of Medical and Health Sciences, Edith Cowan University（营养与健康创新研究所，伊迪斯科文大学医学与健康科学学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 针对符号回归面临的高维输入等挑战，DeepPySR通过动态变量剪枝、指数帕累托选择标准和分层符号组合架构来解决，在多个数据集上表现出色，能产生与领域风险因素一致的可解释公式。

Canopy: A Heterograph Foundation Model for Metabolic Engineering

Canopy：用于代谢工程的异构图基础模型

Jake Bowden, Laurence Legon, Satnam Surae

机构 * an in-house laboratory information management system (LIMS)（一个内部实验室信息管理系统（LIMS）） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 代谢工程中设计高产微生物菌株有挑战，Canopy异构图基础模型集成多数据源成知识图谱，用特定模型编码特征，经自监督目标预训练，在发酵滴度预测任务中表现优于基线。

Comments Accepted at ICML GenBio Workshop 2026 https://openreview.net/forum?id=H8bvgKoT7j

Variational Learning of Disentangled Representations

解缠表示的变分学习

Yuli Slavutsky, Ozgur Beker, David Blei, Bianca Dumitrascu

机构 * Department of Computer Science, Columbia University, New York City, USA（哥伦比亚大学计算机科学系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 研究如何实现解缠表示，引入DisCoVR变分框架，其目标与数据生成概率结构一致，含对抗项防止特定条件信息编码，在多类数据集上比以前方法实现更强解缠。

KARMA: Knowledge graph-based Automated Reasoning Materialization and Alignment

KARMA：基于知识图谱的自动推理实例化与对齐

Jinkyeong Choi, Chaebin Jeong, Donghyeon Park

机构 * Sejong University（世宗大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 研究针对基于模板对比合成的问题，提出KARMA方法，通过枚举知识图谱路径生成对比候选，用解耦槽级目标进行偏好监督，在多领域基准测试中表现优于基线。

Comments First version, 20 pages

A Precedent-Guided Co-Scientist for Side-Effect-Aware Drug Redesign

一种用于副作用感知药物重新设计的先例引导协同科学家

Yujin Kim, Charmgil Hong

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出PRECEDE用于副作用感知药物重新设计，将重新设计视为基于证据的推理，由LLM编排，定位为人监督的科学工作流，可审核、证伪且受先前药理学限制。

Comments Accepted at the ICML 2026 Workshop on AI for Science

CoFEND: A Cross-Modal Fusion End-to-End Network for Cold-Start Drug-Drug Interaction Prediction

CoFEND：用于冷启动药物-药物相互作用预测的跨模态融合端到端网络

Di Wu, Hongyi Sun, Haichao Xu, Jia Chen, Zhong Chen, Jie Yang

机构 * College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） ； Beihang University（北京航空航天大学） ； School of Computing, Southern Illinois University Carbondale（南伊利诺伊大学卡本代尔分校计算机学院） ； School of Physics and Electronic Science, Zunyi Normal University（遵义师范学院物理与电子科学学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 针对新药冷启动药物-药物相互作用预测难题，提出CMF-ELN。利用多模态信息构建知识图谱，设计图自动编码器融合跨模态相似性，采用两阶段可解释性方案，提升预测准确性与机制解释性。

Comments 11 pages, 2 figures, accepted by KDD 2026

MKGR: Multimodal Knowledge-Graph Representation Learning for Cold-Start Protein-Protein Interaction Prediction

MKGR: 面向冷启动蛋白质-蛋白质相互作用预测的多模态知识图谱表示学习

Wenbo Zhang

机构 * College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出MKGR框架，结合区域感知蛋白质序列编码与四个生物医学知识图谱，通过桥接重建目标和成对门控模块，在冷启动场景下显著提升PPI预测性能。

MediEncoder: Nonlinear Representation Learning for High-Dimensional Causal Mediation Analysis

MediEncoder: 高维因果中介分析的非线性表示学习

Shi Bo, Debarghya Mukherjee, AmirEmad Ghassami

机构 * Boston University（波士顿大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出MediEncoder框架，通过耦合编码器-解码器和交叉因子网络学习低维表示，结合交叉拟合高效影响函数估计自然直接和间接效应，实现高维非线性中介分析的多重稳健估计。

Comments 43 pages, 3 figures

Hierarchical Projection for Adaptive Knowledge Transfer

自适应知识迁移的分层投影

Samhita Pal, Tian Gu

机构 * Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Columbia University（哥伦比亚大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出ProjectionTL框架，通过分层贝叶斯建模与自适应投影实现源选择与特征选择，缓解负迁移，提升跨域学习的准确性、稳定性和可解释性。

Comments We found a mistake in the proof that needs to be revised

MARS: A neurosymbolic approach for interpretable drug discovery

MARS：一种用于可解释药物发现的神经符号方法

Lauren Nicole DeLong, Yojana Gadiya, Paola Galdi, Jacques D. Fleuriot, Daniel Domingo-Fernández

机构 * University of Edinburgh（爱丁堡大学） ； Enveda Therapeutics ； Cancer Research UK Scotland Institute（英国癌症研究中心苏格兰研究所） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文提出MARS，一种结合逻辑规则与神经网络的神经符号方法，用于药物作用机制解构，通过识别并缓解推理捷径提升药物发现的可解释性与可靠性。

Comments Under review. Corresponding code is here: https://github.com/laurendelong21/MARS and here: https://github.com/laurendelong21/MoA-Net

Estimating Orbital Parameters of Direct Imaging Exoplanet Using Neural Network

使用神经网络估计直接成像系外行星的轨道参数

Bo Liang, Hanlin Song, Chang Liu, Tianyu Zhao, Yuxiang Xu, Zihao Xiao, Manjia Liang, Minghui Du, Wei-Liang Qian, Li-e Qiang, Peng Xu, Ziren Luo

机构 * Center for Gravitational Wave Experiment, National Microgravity Laboratory, Institute of Mechanics, Chinese Academy of Sciences（引力波实验中心、国家微重力实验室、力学研究所、中国科学院） ； Taiji Laboratory for Gravitational Wave Universe (Beijing/Hangzhou), University of Chinese Academy of Sciences (UCAS), Beijing（太极引力波宇宙实验室（北京/杭州）、中国科学院大学（UCAS）） ； National Space Science Center, Chinese Academy of Sciences（国家空间科学中心、中国科学院） ； School of Physics, Peking University（北京大学物理学院） ； Shanghai Institute of Optics and Fine Mechanics, Chinese Academy of Sciences（上海光学精密机械研究所、中国科学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出流匹配马尔可夫链蒙特卡洛（FM-MCMC）算法，结合流匹配后验估计与MCMC，高效准确地推断系外行星轨道参数，在β Pictoris b上实现77.8倍加速并达到最高平均对数似然。

Comments accepted by PRR

Chem2Gen-Bench: Benchmarking Chemical-to-Genetic Translation in Perturbation Response Space

Chem2Gen-Bench：在扰动响应空间中评估化学到遗传的翻译

Yuxiang Lin, Ying Chen

机构 * National Institute for Data Science in Health and Medicine, Xiamen University（厦门大学健康医疗大数据国家研究院） ； School of Informatics, Xiamen University（厦门大学信息学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出Chem2Gen-Bench基准，包含26万化学和110万遗传扰动谱，评估化学与遗传扰动在共享靶点下的对齐与翻译保真度，发现背景调整可提高相似性但降低检索成功率，基础模型嵌入未一致优于基线。

MultiCNKG: Integrating Cognitive Neuroscience, Gene, and Disease Knowledge Graphs Using Large Language Models

MultiCNKG: 利用大语言模型整合认知神经科学、基因和疾病知识图谱

Ali Sarabadani, Kheirolah Rahsepar Fard

机构 * Department of Computer Engineering and Information Technology, University of Qom（卡姆大学计算机工程与信息科技系） ； University of Qom（卡姆大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文提出MultiCNKG框架，整合认知神经科学、基因和疾病知识图谱，利用大语言模型实现实体对齐和图谱增强，提升生物医学领域知识图谱的整合与应用能力。

Journal ref Transactions on Machine Intelligence, 9(1), 1-15 (2026)

The Critical Role of Model Selection in Causal Inference: A Comparative Analysis of Classification Models within the InferBERT Framework for Pharmacovigilance

模型选择在因果推断中的关键作用：基于InferBERT框架的药物警戒分类模型比较分析

Csaba Kiss, Roland Molontay, Gabriele Pergola

机构 * Department of Stochastics, Institute of Mathematics, Budapest University of Technology and Economics（布达佩斯技术与经济大学数学研究所随机学系） ； Institute of Biostatistics and Network Science, Semmelweis University（塞梅维什大学生物统计学与网络科学研究所） ； Department of Computer Science, University of Warwick（华威大学计算机科学系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本研究在InferBERT框架下比较XGBoost、ALBERT、BioBERT和Med-LLaMA四种模型，发现领域特定预训练（BioBERT）在药物警戒因果ADE检测中优于简单基线和大型LLM，校准改善ECE但对准确率和因果发现影响不一。

Comments 10 pages, 5 figures

LLM4SCREENLIT: Recommendations on Assessing the Performance of Large Language Models for Screening Literature in Systematic Reviews

LLM4SCREENLIT: 关于评估用于系统综述文献筛选的大型语言模型性能的建议

Lech Madeyski, Barbara Kitchenham, Martin Shepperd

机构 * University of Kent（肯特大学） ； University of Leicester（利兹大学） ； University of Birmingham（伯明翰大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文提出LLM4SCREENLIT建议，针对系统综述文献筛选中大型语言模型的评估，提出基于加权马修相关系数的改进方法，强调在不平衡和成本不对称条件下使用成本敏感的WMCC进行评估。

Comments 34 pages, 6 figures

Journal ref Information and Software Technology 198 (2026) 108204

MedAI: Evaluating TxAgent's Therapeutic Agentic Reasoning in the NeurIPS CURE-Bench Competition

MedAI: 评估 TxAgent 在 NeurIPS CURE-Bench 竞赛中的治疗性智能推理

Tim Cofala, Christian Kalfar, Jingge Xiao, Johanna Schrader, Michelle Tang, Wolfgang Nejdl

机构 * L3S Research Center（L3S研究中心） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文介绍 TxAgent，一种通过迭代检索增强生成和统一生物医学工具集进行治疗决策的智能AI方法，并在CURE-Bench竞赛中评估其推理质量，通过改进工具检索策略提升性能，荣获开放科学卓越奖。

Comments 7 pages, 3 figures

Geometric and Quantum Kernel Methods for Predicting Skeletal Muscle Outcomes in chronic obstructive pulmonary disease

用于预测慢性阻塞性肺疾病骨骼肌结果的几何与量子核方法

Azadeh Alavi, Hamidreza Khalili, Stanley H. Chan, Fatemeh Kouchmeshki, Muhammad Usman, Ross Vlahos

机构 * School of Computing Technologies, RMIT University（计算技术学院，拉筹纳斯大学） ； School of Health & Biomedical Sciences, STEM College, RMIT University（健康与生物医学科学学院，STEM学院，拉筹纳斯大学） ； Pattern Recognition Pty Ltd, Melbourne（模式识别有限公司，墨尔本） ； Data61, CSIRO（Data61，澳大利亚联邦科学与工业研究组织） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出一种核几何量子混合方法，通过再生核希尔伯特空间映射合成SPD参考、随机投影压缩和低维量子回归电路，在COPD动物队列中预测肌肉重量、质量和力量，肌肉重量RMSE比最佳经典方法低约1.8%。

Comments 24 pages, 2 figures

Adaptive Derivative Estimation via Stein's Unbiased Risk

基于Stein无偏风险的自适应导数估计

Yonathan Murin, Ali Ozer Ercan

专题命中 生物医学文本 ：biomedical(abstract)；分类 eess.SP

AI总结 提出SURDE方法，通过Stein无偏风险评估候选滤波器长度并软组合输出，实现因果FIR导数滤波的噪声-偏差权衡，证明极小极大最优性，在仿真和真实数据上优于ICI和AWVE。

Comments Submitted to IEEE Transactions on Signal Processing, 23 pages

Invertible Orientation Scores of 3D Images

三维图像的可逆取向分数

Michiel Janssen, Remco Duits, Marcel Breeuwer

机构 * Eindhoven University of Technology, The Netherlands（埃因霍温理工大学，荷兰） ； Department of Mathematics and Computer Science（数学与计算机科学系） ； Department of Biomedical Engineering（生物医学工程系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.CV

AI总结 本文提出三维取向分数，用于增强和检测噪声图像中的细长结构，采用可逆相干态变换和球面谐波变换实现高效计算，展示初步应用结果。

Comments ssvm 2015 published version in LNCS contains a mistake (a switch notation spherical angles) that is corrected in this arxiv version

Explainable Forecasting of Scientific Breakthroughs from Concept Network Dynamics

基于概念网络动力学的科学突破可解释预测

Thomas Maillart, Thibaut Chataing, Ntorina Antoni, David Dosu, Paul Bagourd, Julian Jang-Jaccard, Alain Mermoud

机构 * Geneva School of Economics and Management, University of Geneva, Geneva, Switzerland（日内瓦经济管理学院，日内瓦大学，瑞士日内瓦） ； Faculty of Medicine, University of Geneva, Geneva, Switzerland（日内瓦大学医学学院，瑞士日内瓦） ； TU Eindhoven, The Netherlands（埃因霍温理工大学，荷兰） ； Open Quantum Institute, CERN, Geneva, Switzerland（开放量子研究所，欧洲核子研究中心，瑞士日内瓦） ； armasuisse Science + Technology, Switzerland（armasuisse 科学与技术，瑞士） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出一种可解释的机器学习方法，通过建模OpenAlex概念网络的演化，预测科学突破的结构前兆（研究概念之间联系的出现和增强），并利用59个特征的两阶段LightGBM模型同时预测概念对的形成和未来权重，在四个技术/生物医学领域取得优于现有方法的ROC-AUC（0.954-0.967）和可解释性。

Comments 18 pages, 10 figures, 4 tables. An earlier version was presented at Global Tech Mining Conference 2026. Code and data: https://github.com/wazaahhh/breakthroughs-forecasting

Fairness Definitions and Metrics in Deep Reinforcement Learning for Drug Discovery in Healthcare: A Rapid Evidence Review

医疗保健中深度强化学习的公平性定义与指标：药物发现的快速证据综述

Esmaeil Shakeri, Ronnie de Souza Santos, Behrouz Far

机构 * Department of Electrical and Software Engineering, Schulich School of Engineering, University of Calgary（电气与软件工程系，Schulich工程学院，卡尔加里大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文通过快速证据综述，系统总结了深度强化学习在药物分子生成中公平性的定义、测量指标，并分析了数据集组成、奖励设计对公平性的影响。

Comments 10 pages, 6 figures, 3 tables. Accepted as a full paper at a symposium of IEEE COMPSAC 2026

Plausibility Is Not Prediction: Contrastive Evidence for LLM-Based Cellular Perturbation Reasoning

似真性不是预测：基于LLM的细胞扰动推理的对比证据

Xinyu Yuan, Xixian Liu, Jianan Zhao, Yashi Zhang, Hongyu Guo, Jian Tang

机构 * Mila - Québec AI Institute（魁北克人工智能研究所） ； University of Montréal（蒙特利尔大学） ； HEC Montréal（蒙特利尔HEC商学院） ； University of Ottawa（渥太华大学） ； National Research Council of Canada（加拿大国家研究理事会） ； CIFAR AI Chair（CIFAR人工智能 chair） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文发现基于大语言模型的细胞扰动推理虽能生成生物上合理的解释，但实际预测性能差，并提出CORE方法通过对比证据组织来提升扰动特异性预测。

Cluster Analysis with Resampling for Validation and Exploration (CARVE)

基于重采样的聚类验证与探索分析（CARVE）

Kai R. Wycik, Tiffany M. Tang, Tarek M. Zikry, Genevera I. Allen

机构 * Department of Statistics, Columbia University, New York, NY, USA（哥伦比亚大学统计学系） ； Center for Theoretical Neuroscience, Zuckerman Mind Brain Behavior Institute, Columbia University, New York, NY, USA（哥伦比亚大学理论神经科学中心、Zuckerman思维-大脑-行为研究所） ； Department of Applied and Computational Mathematics and Statistics, University of Notre Dame, Notre Dame, IN, USA（诺丁汉大学应用与计算数学与统计学系） ； School of Data and Information Sciences, University of North Carolina at Chapel Hill, Chapel Hill, NC, USA（北卡罗来纳大学夏洛特分校数据与信息科学学院） ； Irving Institute for Cancer Dynamics, Columbia University, New York, NY, USA（哥伦比亚大学癌症动力学伊万·里弗斯研究所） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出CARVE开源软件包，通过重采样评估聚类稳定性和泛化性，在全局、簇和样本级别提供诊断，优于传统聚类验证指标。

IRIS: time-structured manifold projections

IRIS: 时间结构化流形投影

Brian Ondov, Chia-Hsuan Chang, Weipeng Zhou, Xingjian Zhang, Xueqing Peng, Yutong Xie, Huan He, Qiaozhu Mei, Hua Xu

机构 * Department of Biomedical Informatics and Data Science, Yale School of Medicine（耶鲁医学院生物医学信息学与数据科学部） ； School of Information, University of Michigan（密歇根大学信息学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出IRIS算法，通过结合时间顺序和流形拓扑结构，解决t-SNE和UMAP无法体现时间动态的问题，适用于scRNA-seq、比较宏基因组学等动态生物医学数据可视化。

OOD-GraphLLM: Graph Large Language Model for Out-of-Distribution Generalized Drug Synergy Prediction

OOD-GraphLLM：面向分布外泛化的药物协同预测图大语言模型

Xin Wang, Linxin Xiao, Yang Yao, Wenwu Zhu

机构 * DCST, BNRist, Tsinghua University（国防科技大学、北京理工大学、清华大学） ； DCST, Tsinghua University（国防科技大学、清华大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 针对药物协同预测中因新化合物导致的分布外偏移问题，提出OOD-GraphLLM框架，通过联合优化分子图表示与生物医学语义语言表示实现准确预测。

Comments 12 pages, 9 figures, ACM KDD 2026

Aggregate Models, Not Explanations: Improving Feature Importance Estimation

聚合模型而非解释：改进特征重要性估计

Joseph Paillard, Angel Reyero Lobo, Denis A. Engemann, Bertrand Thirion

机构 * Roche Pharma Research \& Early Development, Roche Innovation Center Basel, F. Hoffmann-La Roche Ltd, Basel, Switzerland ； Universite Paris-Saclay, Inria, CEA, Palaiseau, France 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 针对特征重要性估计不准确的问题，本文通过理论分析证明模型级集成比解释级集成能更有效地降低误差，并在基准和蛋白质组学数据上验证。

DecomposeRL: Learning to Ask Useful, Informative, and Diverse Questions for Semi-Supervised, Traceable Claim Verification

DecomposeRL: 学习提出有用、信息丰富且多样的问题以进行半监督、可追踪的声明验证

Shubhashis Roy Dipta, Ankur Padia, Francis Ferraro

机构 * Department of Computer Science and Electrical Engineering（计算机科学与电气工程系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出DecomposeRL框架，通过GRPO和多面奖励集成将声明分解为可追踪的子问题，在完全监督和半监督设置下实现高精度，且模型规模小4倍仍匹配大模型性能。