医学 AI

Can Large Multimodal Models Inspect Buildings? A Hierarchical Benchmark for Structural Pathology Reasoning

大型多模态模型能否检查建筑？一种用于结构病理推理的分层基准

Hui Zhong, Yichun Gao, Luyan Liu, Hai Yang, Wang Wang, Haowei Zhang, Xinhu Zheng

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Hong Kong University（香港大学） 纠错

专题命中 医学数据与评测 ：pathology(title)；分类 cs.CV

AI总结 本文提出DefectBench基准，评估大型多模态模型在建筑表面检测中的能力，发现其在拓扑理解和语义理解方面表现优异，但在精确定位方面存在不足，并验证了零样本生成分割的可行性。

Causal Learning in Biomedical Applications: Krebs Cycle as a Benchmark

生物医学应用中的因果学习：柠檬酸循环作为基准

Xiaoyu He, Petr Ryšavý, Jakub Mareček

机构 * AI Center（人工智能中心） ； Department of Computer Science（计算机科学系） ； Czech Technical University in Prague（布拉格捷克技术大学） 纠错

专题命中 医学数据与评测 ：biomedical(title)；分类 cs.LG

AI总结 本文提出基于柠檬酸循环模拟的新基准数据集，用于评估因果发现方法在时间序列数据上的性能，包含真实因果图和多种评估指标。

ReXInTheWild: A Unified Benchmark for Medical Photograph Understanding

ReXInTheWild：医疗照片理解的统一基准

Oishi Banerjee, Sung Eun Kim, Alexandra N. Willauer, Julius M. Kernbach, Abeer Rihan Alomaish, Reema Abdulwahab S. Alghamdi, Hassan Rayhan Alomaish, Mohammed Baharoon, Xiaoman Zhang, Julian Nicolas Acosta, Christine Zhou, Pranav Rajpurkar

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； National Strategic Technology Research Institute, Seoul National University Hospital（首尔国立大学医院国家战略技术研究所） ； Department of Medicine, Division of Gastroenterology, Massachusetts General Hospital（麻省总医院内科与消化内科部门） ； Department of Neuroradiology, Heidelberg University Hospital（海德堡大学医院神经放射科部门） ； King Abdulaziz Medical City, National Guard Health Affairs（国王阿卜杜勒-阿齐兹医疗城，国民守卫健康事务局） ； Division of Pulmonary, Critical Care, and Sleep Medicine, University of Cincinnati（辛辛那提大学肺科、重症医学及睡眠医学部门） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出ReXInTheWild基准，通过484张医学文献来源的照片和7个临床主题的955个多项选择问题，评估视觉-语言模型对医疗照片内容的理解能力，揭示不同模型在细粒度图像理解和医学推理上的性能差异。

Comments 11 pages, 4 figures

MedSPOT: A Workflow-Aware Sequential Grounding Benchmark for Clinical GUI

MedSPOT: 一种面向临床GUI的流程感知序列接地基准

Rozain Shakeel, Abdul Rahman Mohammad Ali, Muneeb Mushtaq, Tausifa Jan Saleem, Tajamul Ashraf

机构 * Gaash Research Lab, National Institute of Technology Srinagar, India（加什研究实验室，印度锡里纳杰尔国家理工学院） ； e\& Group, UAE（e&集团，阿联酋） ； Mohammad Bin Zayed University of Artificial Intelligence (MBZUAI), UAE（穆罕默德·本·扎耶德人工智能大学（MBZUAI），阿联酋） ； King Abdullah University of Science and Technology (KAUST), Saudi Arabia（国王 Abdullah 科学技术大学（KAUST），沙特阿拉伯） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV

AI总结 MedSPOT针对临床GUI中需流程驱动的序列推理问题，通过216个任务驱动视频和597个标注关键帧，评估多模态模型在医疗软件中的可靠性与安全性。

Comments Project page: https://rozainmalik.github.io/MedSPOT_web/

Memory-Driven Role-Playing: Evaluation and Enhancement of Persona Knowledge Utilization in LLMs

基于记忆的角色扮演：评估和增强LLM中人设知识的利用

Kai Wang, Haoyang You, Yang Zhang, Zhongjie Wang

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Macquarie University（麦考瑞大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出Memory-Driven Role-Playing框架，通过MREval、MRPrompt和MRBench评估LLM在角色扮演中的记忆能力，验证了小模型能效媲美大模型，并证明上游记忆提升下游响应质量。

Comments 34 pages

CURE: A Multimodal Benchmark for Clinical Understanding and Retrieval Evaluation

CURE：临床理解和检索评估的多模态基准

Yannian Gu, Zhongzhen Huang, Linjie Mu, Xizhuo Zhang, Shaoting Zhang, Xiaofan Zhang

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； SenseTime Research, China（商汤研究院） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 CURE基准通过控制证据环境评估多模态模型的推理与检索能力，揭示模型在依赖权威文献时性能显著下降，强调整合临床证据与精确检索的挑战。