世界模型

A federated learning framework with knowledge graph and temporal transformer for early sepsis prediction in multi-center ICUs

一种融合知识图谱和时间变换器的联邦学习框架用于多中心ICU早期脓毒症预测

Yue Chang, Guangsen Lin, Jyun Jie Chuang, Shunqi Liu, Xinkui Li, Yaozheng Li

机构 * Chengdu Medical College（成都医学院） ； Kunming Medical University（昆明医科大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； University of Southern California（南加州大学） ； Yanshan University（燕山大学） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出融合知识图谱和时间变换器的联邦学习框架，用于多中心ICU早期脓毒症预测，通过隐私保护的协同训练提升预测性能，实验表明其AUC达到0.956，优于传统集中模型和标准联邦学习。

Sampling-guided exploration of active feature selection policies

基于采样引导的主动特征选择策略探索

Gabriel Bernardino, Anders Jonsson, Patrick Clarysse, Nicolas Duchateau

机构 * Department of Engineering, Universitat Pompeu Fabra（庞培法布拉大学工程学院） ； Univ Lyon, Université Claude Bernard Lyon 1, INSA-Lyon, CNRS, Inserm, CREATIS UMR 5220, U1294（里昂大学） ； Institut Universitaire de France (IUF)（法国国家科学研究中心） 纠错

专题命中 通用世界模型 ：分类 cs.LG、cs.CV；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出基于强化学习的主动特征选择方法，通过启发式策略扩展框架以处理大规模数据，并引入后拟合正则化策略减少特征组合，提升分类性能和策略复杂度。

STRIDE: Structured Lagrangian and Stochastic Residual Dynamics via Flow Matching

STRIDE: 通过流匹配实现结构化拉格朗日和随机残差动力学

Prakrut Kotecha, Ganga Nair B, Shishir Kolathaya

专题命中 通用世界模型 ：分类 cs.LG、cs.RO；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出STRIDE框架，结合拉格朗日神经网络与条件流匹配，分离保守刚体动力学与非保守随机交互效应，提升机器人在不确定环境中的预测精度与控制可靠性。

Comments 9 pages, 7 figures

Deconfounded Time Series Forecasting: A Causal Inference Approach

去偏时间序列预测：一种因果推断方法

Wentao Gao, Xiaojing Du, Wenjun Yu, Xiongren Chen, Yifan Guo, Feiyu Yang

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出一种融合潜在混杂因素的时间序列预测方法，通过引入历史数据中的混杂因素表示，提升预测准确性和鲁棒性，在气候科学数据中验证了其有效性。

MARIA: a Multimodal Transformer Model for Incomplete Healthcare Data

MARIA：一种用于不完整医疗数据的多模态Transformer模型

Camillo Maria Caruso, Paolo Soda, Valerio Guarrasi

机构 * UniCampus 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 MARIA是一种基于Transformer的多模态模型，通过掩码自注意力机制有效处理不完整医疗数据，优于现有方法在性能和鲁棒性方面。

A Systematic Review of Intermediate Fusion in Multimodal Deep Learning for Biomedical Applications

多模态深度学习在生物医学应用中的中间融合系统综述

Valerio Guarrasi, Fatih Aksu, Camillo Maria Caruso, Francesco Di Feola, Aurora Rofena, Filippo Ruffini, Paolo Soda

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文系统综述了多模态深度学习在生物医学应用中的中间融合方法，分析了现有技术、挑战及未来方向，并提出结构化符号以促进方法的广泛应用。

Journal ref Image and Vision Computing 158 (2025) 105509

A Component-Based Survey of Interactions between Large Language Models and Multi-Armed Bandits

基于组件的大型语言模型与多臂老虎机交互调研

Siguang Chen, Chunli Lv, Miao Xie

机构 * College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China（信息与电气工程学院，中国农业大学，北京） ； Key Laboratory of Agricultural Machinery Monitoring and Big Data Application, Ministry of Agriculture and Rural Affairs, Beijing 100083, China（农业机械监测与大数据应用重点实验室，农业农村部，北京） 纠错

专题命中 通用世界模型 ：environment model(abstract)；分类 cs.LG

AI总结 本文调研了大型语言模型与多臂老虎机在组件层面的双向交互，分析了两者在解决对方挑战中的协同作用及未来研究方向。

Comments 25 pages, 6 table

Know When to Abstain: Optimal Selective Classification with Likelihood Ratios

知何时退避：基于似然比的最优选择性分类

Alvin Heng, Harold Soh

机构 * Department of Computer Science, National University of Singapore（计算机科学系，国立新加坡大学） ； Smart Systems Institute, National University of Singapore（智能系统研究所，国立新加坡大学） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出基于似然比的最优选择性分类方法，通过 Neyman-Pearson 引理统一并改进了选择性分类在协变量偏移下的性能。

Streaming Continual Learning for Unified Adaptive Intelligence in Dynamic Environments

流式持续学习用于动态环境中的统一自适应智能

Federico Giannini, Giacomo Ziffer, Andrea Cossu, Vincenzo Lomonaco

机构 * DEIB, Politecnico di Milano（迪埃比学院，米兰理工大学） ； Computer Science Department, University of Pisa（帕尔马大学计算机科学系） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出流式持续学习框架，结合持续学习和流式机器学习的优势，以提升动态环境中的自适应智能能力。

Journal ref IEEE Intelligent Systems 39(6) 81-85, 2024

A Benchmark of Causal vs. Correlation AI for Predictive Maintenance

因果与相关性AI在预测性维护中的基准测试

Shaunak Dhande, Chutian Ma, Giacinto Paolo Saggese, Paul Smith, Krishna Taduri

机构 * Causify AI ； Department of Computer Science, University of Maryland, College Park, MD, USA（计算机科学系，马里兰大学，学院公园，MD，美国） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本研究通过对比因果与相关性AI方法，发现因果模型在预测性维护中能提供更好的成本节约和故障归因能力。

HAWX: A Hardware-Aware FrameWork for Fast and Scalable ApproXimation of DNNs

HAWX：一种面向硬件的框架，用于快速且可扩展的深度神经网络近似

Samira Nazari, Mohammad Saeed Almasi, Mahdi Taheri, Ali Azarpeyvand, Ali Mokhtari, Ali Mahani, Christian Herglotz

机构 * University of Zanjan（赞詹大学） ； Brandenburg Technical University（勃兰登堡技术大学） ； Tallinn University of Technology（塔林技术大学） ； Shahid Bahonar University（沙希德·巴霍纳大学） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 HAWX通过多级敏感度评分和预测模型，实现深度神经网络近似的快速且可扩展优化，提升效率并支持多种硬件架构。

Detecting Jailbreak Attempts in Clinical Training LLMs Through Automated Linguistic Feature Extraction

通过自动化语言特征提取检测临床训练LLM中的劫持尝试

Tri Nguyen, Huy Hoang Bao Le, Lohith Srikanth Pentapalli, Laurah Turner, Kelly Cohen

机构 * University of Cincinnati（克利夫兰大学） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本研究通过自动化语言特征提取，利用BERT模型预测四个核心语言特征，以检测临床训练LLM中的劫持尝试，验证了该方法的有效性及可扩展性。

An Explainable Failure Prediction Framework for Neural Networks in Radio Access Networks

用于无线接入网络神经网络的可解释性故障预测框架

Khaleda Papry, Francesco Spinnato, Marco Fiore, Mirco Nanni, Israat Haque

机构 * Department of Computer Science, Dalhousie University, Canada（达尔豪斯大学计算机科学系） ； Department of Computer Science, University of Pisa, Italy（比萨大学计算机科学系） ； IMDEA Networks Institute, Madrid, Spain（IMDEA网络研究所） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出一种结合可解释性与模型优化的框架，用于提升无线接入网络中神经网络的故障预测能力，通过减少参数和提升F1分数实现更高效的模型设计。

Diffusion-Based Scenario Tree Generation for Multivariate Time Series Prediction and Multistage Stochastic Optimization

基于扩散的场景树生成用于多变量时间序列预测和多阶段随机优化

Stelios Zarifis, Ioannis Kordonis, Petros Maragos

机构 * HERON - Hellenic Robotics Center of Excellence（希腊机器人 excellence 中心） ； Robotics Institute（机器人研究所） ； School of Electrical & Computer Engineering（电气与计算机工程学院） ； National Technical University of Athens（雅典技术大学） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出基于扩散的场景树生成方法，用于多变量时间序列预测和多阶段随机优化，通过递归采样和聚类生成结构化的场景树，提升不确定性处理能力。

Comments 5 pages, 2 figures, 1 table, and 1 algorithm. This version is submitted to the 34th EURASIP European Signal Processing Conference 2026 (EUSIPCO 2026), to be held in Bruges, Belgium, on August 31 - September 4, 2026

Relational Graph Transformer

关系图变换器

Vijay Prakash Dwivedi, Sri Jaladi, Yangyi Shen, Federico López, Charilaos I. Kanatsoulis, Rishi Puri, Matthias Fey, Jure Leskovec

机构 * Stanford University（斯坦福大学） ； NVIDIA 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 RelGT通过新颖的多元素分词策略，解决关系图中异构性、时效性和拓扑结构的编码问题，实现对关系数据的高效建模，优于GNN基线。

Comments ICLR 2026, Code: https://github.com/snap-stanford/relgt

Discovering Mechanistic Models of Neural Activity: System Identification in an in Silico Zebrafish

发现神经活动的机理模型：在虚拟斑马鱼中的系统识别

Jan-Matthis Lueckmann, Viren Jain, Michał Januszewski

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文通过虚拟斑马鱼实验，利用大语言模型树搜索发现神经活动的预测模型，证明结构先验对机理模型发现的重要性。

Adaptive Test-Time Training for Predicting Need for Invasive Mechanical Ventilation in Multi-Center Cohorts

自适应测试时训练用于多中心队列中预测有创机械通气需求

Xiaolei Lu, Shamim Nemati

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出自适应测试时训练框架，通过信息论界限和自监督学习提升多中心ICU中IMV预测的泛化性能和鲁棒性。

Comments ICLR 2026

On Procrustes Contamination in Machine Learning Applications of Geometric Morphometrics

关于几何形态测量在机器学习应用中的Procrustes污染

Lloyd Austin Courtenay

机构 * PACEA UMR5199, CNRS Université de Bordeaux（PACEA UMR5199，法国国家科学研究中心波尔多大学） ； Department d’Història i Història de l’Art Universitat Rovira i Virgili（历史与艺术史系罗维拉-维吉莉大学） 纠错

专题命中 通用世界模型 ：分类 cs.LG、cs.CV；predictive model(abstract)；predictive models(abstract)

AI总结 本文研究了几何形态测量在机器学习应用中因Procrustes分析导致的污染问题，提出了一种新的重新对齐方法以消除样本间依赖，并揭示了样本量与landmark空间之间的关系。

Comments 17 pages, 5 figures, Preprint pending review

HyCARD-Net: A Synergistic Hybrid Intelligence Framework for Cardiovascular Disease Diagnosis

HyCARD-Net: 一种用于心血管疾病诊断的协同混合智能框架

Rajan Das Gupta, Xiaobin Wu, Xun Liu, Jiaqi He

机构 * Faculty of Information Science and Technology（信息科学与技术学院） ； American International University–Bangladesh（美国国际大学-孟加拉国） ； School of Automotive Engineering（汽车工程学院） ； Chengdu Industry and Trade College（成都行业贸易学院） ； Faculty of Education（教育学院） ； Shinawatra University（辛纳瓦特大学） ； Tilburg School of Social and Behavioral Sciences（蒂尔堡社会与行为科学学院） ； Tilburg University（蒂尔堡大学） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 HyCARD-Net通过结合深度学习与传统机器学习算法，提出一种混合智能框架，有效提升心血管疾病诊断的准确率和效率，支持联合国可持续发展目标3。

Comments Accepted and published in the 2025 4th International Conference on Image Processing, Computer Vision and Machine Learning (ICICML)

Data-driven tool wear prediction in milling, based on a process-integrated single-sensor approach

基于过程集成单传感器方法的数据驱动刀具磨损预测

Eric Hirsch, Christian Friedrich

机构 * Institute of Applied Research, Karlsruhe University of Applied Sciences（应用研究学院，卡尔斯鲁厄应用科学大学） 纠错

专题命中 通用世界模型 ：分类 cs.LG、cs.RO；predictive model(abstract)；predictive models(abstract)

AI总结 本研究提出基于单传感器的数据驱动方法，通过迁移学习实现低成本刀具磨损预测，ConvNeXt模型在极小数据集下达到99.1%的准确率。

Comments This work is a preprint and has been submitted for possible publication,14 pages, 12 figures

Proof of Concept: Multi-Target Wildfire Risk Prediction and Large Language Model Synthesis

概念验证：多目标野火风险预测与大语言模型合成

Nicolas Caron, Christophe Guyeux, Hassan Noura, Benjamin Aynes

机构 * Université Marie et Louis Pasteur（玛丽-路易斯·帕斯特大学） ； CNRS（国家科学研究中心） ； FEMTO-ST（弗尔米约-圣特研究中心） ； SAD Marketing（SAD营销） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出一种混合框架，结合多目标预测模型与大语言模型，以生成结构化的野火风险评估报告。

AIS-CycleGen: A CycleGAN-Based Framework for High-Fidelity Synthetic AIS Data Generation and Augmentation

AIS-CycleGen: 一种基于CycleGAN的高保真AIS数据生成与增强框架

SM Ashfaq uz Zaman, Faizan Qamar, Masnizah Mohd, Nur Hanis Sabrina Suhaimi, Amith Khandakar

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 AIS-CycleGen基于CycleGAN提出了一种生成高保真AIS数据的增强框架，通过无配对领域翻译技术提升数据多样性与真实性，有效改善海洋领域模型性能。

Comments 25 pages, 16 figures

Feature-Aware Task-to-Core Allocation in Embedded Multi-core Platforms via Statistical Learning

基于统计学习的特征感知任务到核心分配在嵌入式多核平台中

Mohammad Pivezhandi, Abusayeed Saifullah, Prashant Modekurthy

机构 * Department of Computer Science Wayne State University（计算机科学系韦恩州立大学） ； Department of Computer Science University of Nevada, Las Vegas（计算机科学系内华达大学拉斯维加斯分校） ； Department of Computer Science University of Texas at Dallas（计算机科学系德克萨斯大学达拉斯分校） 纠错

专题命中 通用世界模型 ：environment model(abstract)；分类 cs.LG

AI总结 本文提出基于统计学习的特征感知任务到核心分配方法，通过优化核心分配降低能耗并减少温度，提升嵌入式多核平台的性能与能效。

Comments 15 pages, 9 figures. Published in IEEE RTCSA 2025

A Model of Causal Explanation on Neural Networks for Tabular Data

基于表格数据的神经网络因果解释模型

Takashi Isozaki, Masahiro Yamamoto, Atsushi Noda

机构 * Sony Computer Science Laboratories, Inc.（索尼计算机科学实验室） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出CENNET模型，通过结合结构因果模型为神经网络预测提供因果解释，并在分类任务中通过实验验证其有效性。

Comments \c{opyright}2025. This manuscript version is made available under the CC-BY-NC-ND 4.0 license https://creativecommons.org/licenses/by-nc-nd/4.0/

Journal ref Procedia Computer Science, Volume 264, 2025, Pages 65-79

Agent-Based Output Drift Detection for Breast Cancer Response Prediction in a Multisite Clinical Decision Support System

基于代理的输出漂移检测用于多中心临床决策支持系统中的乳腺癌反应预测

Xavier Rafael-Palou, Jose Munuera, Ana Jimenez-Pastor, Richard Osuala, Karim Lekadir, Oliver Diaz

专题命中 通用世界模型 ：分类 cs.AI、cs.CV、cs.MA；predictive model(abstract)

AI总结 本文提出基于代理的多中心临床决策支持系统中的输出漂移检测方法，通过模拟多中心环境验证了其在乳腺癌反应预测中的有效性，展示了自适应方案在漂移检测和严重性分类上的优越性能。

Comments Accepted at MICAD (Medical Imaging and Computer-Aided Diagnosis) 2025

Breast Cancer Neoadjuvant Chemotherapy Treatment Response Prediction Using Aligned Longitudinal MRI and Clinical Data

利用对齐的纵向MRI和临床数据预测乳腺癌新辅助化疗治疗反应

Rahul Ravi, Ruizhe Li, Tarek Abdelfatah, Stephen Chan, Xin Chen

专题命中 通用世界模型 ：分类 cs.LG、cs.CV；predictive model(abstract)；predictive models(abstract)

AI总结 本研究利用对齐的纵向MRI和临床数据，通过放射组学特征提取和逻辑回归模型预测乳腺癌新辅助化疗的治疗反应和复发风险。

Explainable AI for Classifying UTI Risk Groups Using a Real-World Linked EHR and Pathology Lab Dataset

利用真实世界链接的电子健康记录和病理实验室数据集进行UTI风险分组分类的可解释AI

Yujie Dai, Brian Sullivan, Axel Montout, Amy Dillon, Chris Waller, Peter Acs, Rachel Denholm, Philip Williams, Alastair D Hay, Raul Santos-Rodriguez, Andrew Dowsey

机构 * University of Bristol（布里斯托大学） ； Kettering General Hospital NHS Foundation Trust（凯特林医院国家健康服务基金会信托） ； NHS England（英格兰国家健康服务） ； University Hospitals Bristol and Weston NHS Foundation Trust（布里斯托和韦斯特医院国家健康服务基金会信托） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本研究利用真实世界链接的EHR和病理实验室数据集，通过可解释AI技术对UTI风险分组进行分类，以提高临床决策的透明性和可解释性。

Comments Peer-reviewed; accepted at Health Intelligence (W3PHIAI-25) Workshop, AAAI Conference 2025 (to appear in Studies in Computational Intelligence, Springer/Nature)

Love First, Know Later: Persona-Based Romantic Compatibility Through LLM Text World Engines

先爱后知：基于人设的浪漫兼容性通过LLM文本世界引擎

Haoyang Shang, Zhengyang Yan, Xuan Liu

机构 * BreathingCORE 纠错

专题命中 通用世界模型 ：environment model(abstract)；分类 cs.LG

AI总结 本文提出一种基于LLM文本世界引擎的浪漫兼容性匹配方法，通过模拟互动预测人类偏好，实现个性化匹配系统。

Comments NeurIPS 2025 Workshop: First Workshop on LLM Persona Modeling (Oral)

Beyond Playtesting: A Generative Multi-Agent Simulation System for Massively Multiplayer Online Games

超越试玩：一种生成式多智能体仿真系统用于大规模多人在线游戏

Ran Zhang, Kun Ouyang, Tiancheng Ma, Yida Yang, Dong Fang

机构 * independent researcher（独立研究者） 纠错

专题命中 通用世界模型 ：environment model(abstract)；分类 cs.AI

AI总结 本文提出了一种基于生成式多智能体仿真的系统，利用大型语言模型优化大规模多人在线游戏的数值设计，提升玩家体验并提高优化效率。

Data-Driven Modeling and Correction of Vehicle Dynamics

数据驱动建模与车辆动力学校正

Nguyen Ly, Caroline Tatsuoka, Jai Nagaraj, Jacob Levy, Fernando Palafox, David Fridovich-Keil, Hannah Lu

机构 * 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） ； Department of Mathematics, The Ohio State University（数学系，俄亥俄州立大学） ； Department of Computer Science, The University of Texas at Austin（计算机科学系，德克萨斯大学奥斯汀分校） ； Oden Institute for Computational Engineering and Sciences, The University of Texas at Austin（计算工程与科学研究所，德克萨斯大学奥斯汀分校） 纠错

专题命中 通用世界模型 ：分类 cs.LG、cs.RO；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出DRIPS和FML两种方法，用于数据驱动校正非自主车辆动力学，实现高效且准确的模型学习与误差修正。