高校专区
DermaBench：一种用于皮肤科视觉问答和推理的临床标注基准数据集
机构 * Imperial College London（帝国理工学院伦敦分校） ； Istanbul Medeniyet University（伊斯坦布尔医学大学） ； Usak Research and Training Hospital（Usak研究与培训医院） ； Istanbul Research and Training Hospital（伊斯坦布尔研究与培训医院） ； Ipswich Hospital（伊普斯韦奇医院） ； Medicana Atakoy Hospital（Medicana阿塔基医院）
AI总结 DermaBench是首个由临床专家标注的皮肤科视觉问答基准数据集，通过精细标注和开放式描述提升多模态模型在皮肤科图像理解与临床推理中的评估能力。
Numina-Lean-Agent: 一种面向形式数学的开放且通用的代理推理系统
机构 * Academy of Mathematics and Systems Science, University of Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； Tongji University（同济大学） ； University of Cambridge（剑桥大学） ； Imperial College London（伦敦帝国学院） ； University of Edinburgh（爱丁堡大学） ； University of Liverpool（利物浦大学） ； Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学）
AI总结 Numina-Lean-Agent通过通用编码代理实现形式数学推理，解决Putnam 2025全部问题并成功形式化Brascamp-Lieb定理。
基于知识图谱的LLM后训练以增强法律推理
机构 * Thomson Reuters Foundational Research（汤姆森·路透基础研究） ； Imperial College London（帝国理工学院伦敦分校）
AI总结 本文提出基于知识图谱的LLM后训练方法，通过构建法律知识图谱提升法律推理能力，在多个基准测试中优于基线模型。
你的隐私取决于他人：个体差分隐私中的合谋漏洞
机构 * Technical University of Munich（慕尼黑技术大学） ； TUM University Hospital（TUM大学医院） ； University of Potsdam（波茨坦大学） ； Imperial College London（伦敦帝国学院） ； Google DeepMind（谷歌DeepMind）
AI总结 个体差分隐私中的合谋漏洞导致隐私风险由他人选择决定，提出$(\varepsilon_i,\delta_i,\overline{\Delta})$-iDP机制以控制超额风险。
SmoothCLAP: 用于情感计算的软目标增强对比语言-音频预训练
机构 * CHI -- Chair of Health Informatics, TUM University Hospital, Munich, Germany（健康信息学系，塔尔博特大学医院，德国慕尼黑） ； Huawei, Netherlands（华为，荷兰） ； GLAM, Imperial College London, UK（GLAM，伦敦帝国学院，英国）
AI总结 SmoothCLAP通过引入软目标和副语言特征，改进了对比语言-音频预训练，以更准确地捕捉情感的连续性，从而提升情感计算任务的性能。
Comments 5 pages, accepted by ICASSP 2026
基础模型在皮肤病学中的分层基准
机构 * Yildiz Technical University（伊兹密尔技术大学） ； Imperial College London（伦敦帝国学院）
AI总结 本研究提出分层评估框架，揭示基础模型在皮肤病学中的粒度能力差异，强调专用模型在细粒度诊断中的优势。
联合计算和通信高效分布学习
机构 * Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院电子与电气工程系） ； School of Electrical Engineering and Computer Science, and Digital Futures, KTH Royal Institute of Technology（皇家理工学院电子工程与计算机科学学院及数字未来学院） ； Department of Electronic Systems, Aalborg University（奥尔堡大学电子系统系） ； Department of Engineering and Architecture, University of Trieste（特里埃斯特大学工程与建筑系）
AI总结 本文提出了一种联合计算和通信高效的分布式学习算法，通过随机梯度和压缩传输实现高效训练与通信。
Comments To be presented at 2025 IEEE Conference on Decision and Control
机器人手术中缝合技能的模型选择与实时评估
机构 * Department of Mechanical Engineering, Imperial College London（帝国理工学院机械工程系） ； Department of Computing, Imperial College London（帝国理工学院计算机系） ； Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系） ； Intuitive Surgical, Inc.（Intuitive Surgical公司） ； Department of Bioengineering, Imperial College London（帝国理工学院生物工程系）
AI总结 本研究通过多模态深度学习模型实时评估机器人手术缝合技能，证明融合模型在预测准确性上优于单模态模型，并展示了高技能数据对模型泛化能力的提升作用。
从失败中学习：通过失败意识反向强化学习理解LLM对齐
机构 * Imperial College London（帝国理工学院伦敦分校） ； Amazon AGI（亚马逊人工智能实验室）
AI总结 本文提出一种失败意识反向强化学习算法，通过聚焦于误分类或困难的例子来提取更准确的奖励函数，从而提升LLM对齐的可解释性和安全性。
Comments Preprint
DINOv3 是否设定了医学视觉的新标准？对2D和3D分类、分割与配准的基准测试
机构 * Imperial College London（伦敦帝国理工学院） ； University of Science and Technology of China（中国科学技术大学） ； Dresden University of Technology（德累斯顿技术大学） ； University of Erlangen-Nuremberg（埃尔兰根-纽伦堡大学） ； University of Oxford（牛津大学） ； University of Sheffield（谢菲尔德大学） ； Technical University of Munich (TUM)（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； Yale University（耶鲁大学）
AI总结 DINOv3在医学视觉任务中表现出色，但其在深度领域专门化任务中存在性能退化问题。
Comments Technical Report
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈