Overview of TREC 2025 Biomedical Generative Retrieval (BioGen) Track
TREC 2025生物生成检索（BioGen）赛道概述
专题命中 生物医学文本 ：biomedical(title,abstract)
AI总结 本文探讨了大型语言模型在生物医学任务中的最新进展，指出尽管模型在处理和综合复杂生物医学信息方面表现出色，但生成陈述的可验证性仍是关键挑战，特别是在医疗问答等高风险领域。
科学与医疗
医学 AI
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
1. 生物医学文本 10 篇
Shift-Invariant Feature Attribution in the Application of Wireless Electrocardiograms
无线心电图应用中的位移不变特征归因
机构 * Department of Mathematics, Tufts University（塔夫茨大学数学系） ； Faculty of Computer Science, Technische Universität Dresden（德累斯顿技术大学计算机科学系）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG、eess.SP
AI总结 本文提出位移不变基线方法，用于无线心电图信号分析，通过归因评分识别对决策贡献最大的特征，关联心脏阶段。
Assessing the potential of deep learning for protein-ligand docking
评估深度学习在蛋白质-配体对接中的潜力
机构 * Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； University of Missouri（密苏里大学）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG、q-bio
AI总结 本文提出PoseBench基准，用于评估深度学习在蛋白质-配体对接及结构预测中的性能，发现DL方法在多配体对接和未知结合口袋场景中存在挑战。
Comments 55 pages, 2 tables, 37 figures. Results updated (in v1.1.0) after addressing primary-ligand scoring bug (in v1.0.0). Code, data, tutorials, and benchmark results are available at https://github.com/BioinfoMachineLearning/PoseBench
DOT: A flexible multi-objective optimization framework for transferring features across single-cell and spatial omics
DOT：一种灵活的多目标优化框架，用于在单细胞和空间组学之间转移特征
专题命中 生物医学文本 ：biomedical(abstract)；分类 q-bio
AI总结 DOT框架通过多目标优化在单细胞和空间组学数据间转移特征，兼顾细胞类型、状态及基因表达，提升组织映射的分辨率和基因覆盖。
Comments 36 pages, 6 figures
GIP-RAG: An Evidence-Grounded Retrieval-Augmented Framework for Interpretable Gene Interaction and Pathway Impact Analysis
GIP-RAG: 一种基于证据的检索增强框架用于可解释的基因互作和通路影响分析
机构 * Kanghua Juntai Biotech Co. Ltd.（康华联合生物科技有限公司） ； Department of Radiation Oncology, Cancer Treatment Center, The Second Affiliated Hospital of Hainan Medical University（海南医学院第二附属医院放疗科、肿瘤治疗中心） ； Department of Nutrition, University of California, Davis（加州大学戴维斯分校营养系） ； Department of Pathology, The First Affiliated Hospital of Jinan University（暨南大学第一附属医院病理科）
专题命中 生物医学文本 ：biomedical(abstract)；分类 q-bio
AI总结 GIP-RAG结合生物知识图谱与大语言模型，通过检索增强生成方法解析基因互作及通路影响，提供可解释的多步推理和机制解释。
Comments 29 pages
Microscopic view of materials properties of liquids: An atomic scale perspective
液体材料性质的微观视角：原子尺度的视角
专题命中 生物医学文本 ：biomedical(abstract)
AI总结 本文综述了液体状态物理的历史背景和最新进展，探讨了理论、计算和实验方法在理解液体原子尺度动态行为中的作用，强调了动态无序和非周期性结构对发展严谨理论的挑战。
Compressive single-pixel imaging via a wavelength-multiplexed spatially incoherent diffractive optical processor
基于波长复用的非相干衍射光学处理器的压缩单像素成像
专题命中 生物医学文本 ：biomedical(abstract)
AI总结 本文提出结合波长复用非相干衍射光学处理器与紧凑型数字神经网络的压缩单像素成像方法，通过优化变换矩阵与神经网络实现高效成像，实验验证了其在生物医学成像等领域的应用潜力。
Comments 23 Pages, 5 Figures, 1 Table
On the development of OpenFOAM solvers for simulating MHD micropolar fluid flows with or without the effect of micromagnetorotation
关于开发用于模拟含磁粒子的微极流体流动的OpenFOAM求解器（有或无微磁旋转效应）
专题命中 生物医学文本 ：biomedical(abstract)
AI总结 本文开发了两个OpenFOAM求解器，用于模拟磁流体动力学微极流体流动，考虑微磁旋转效应，验证了其在血流中的准确性，并展示了其在生物医学应用中的潜力。
Comments 47 pages, 31 Figures, 1 Table
Functional Estimation of Manifold-Valued Diffusion Processes
流形值扩散过程的功能估计
专题命中 生物医学文本 ：biomedical(abstract)
AI总结 本文提出基于单条轨迹的非参数估计方法，用于估计流形值扩散过程的漂移向量场和扩散矩阵，通过分析扩散估计器进一步得到依赖数据的切空间估计器，支持理论结果的数值实验。
2. 健康监测 2 篇
Canine Clinical Gait Analysis for Orthopedic and Neurological Disorders: An Inertial Deep-Learning Approach
犬类临床步态分析用于骨科和神经学疾病的：一种惯性深度学习方法
机构 * University of Haifa（海法大学） ； University of Veterinary Medicine Hannover（汉诺威兽医大学） ； Department of Small Animals Medicine and Surgery（小动物医学与外科系） ； Department of Marine Technologies（海洋技术系） ； Department of Information Systems（信息系统系）
专题命中 健康监测 ：clinical AI(abstract)；分类 cs.LG
AI总结 本文提出利用惯性传感器和深度学习方法对犬类步态进行分析，以区分骨科和神经学疾病，实现了96%的多类分类准确率和82%的二分类准确率。
Comments 20 pages, 11 figures (one combine 2 images), 7 tables, 41 references
Detecting Neurovascular Instability from Multimodal Physiological Signals Using Wearable-Compatible Edge AI: A Responsible Computational Framework
通过可穿戴设备的边缘AI检测神经血管不稳定性：一种负责任的计算框架
机构 * H&K Research Studio, Clevix LLC（H&K研究室，Clevix LLC） ； Department of Cardiology, Hanoi Heart Hospital（心血管科，河内心脏医院）
专题命中 健康监测 ：pathology(abstract)；分类 cs.LG
AI总结 本文提出Melaguard框架，通过融合多种生理信号检测神经血管不稳定性，优于单一模态设备，通过三阶段验证提升检测性能。
Comments 11 pages, 8 figures, 6 tables. Submitted to IEEE JBHI. Code: https://github.com/ClevixLab/Melaguard
3. 医学数据与评测 7 篇
TrustFed: Enabling Trustworthy Medical AI under Data Privacy Constraints
TrustFed: 在数据隐私约束下实现可信的医疗AI
机构 * Department of Applied Mechanics（应用力学系） ； Indian Institute of Technology Delhi（印度理工学院德里） ； Grainger College of Engineering（工程学院） ； Nuclear, Plasma & Radiological Engineering Department（核物理与辐射工程系） ； National Center for Supercomputing Applications（国家超级计算应用中心） ； Yardi School of Artificial Intelligence (ScAI)（Yardi人工智能学院（ScAI）） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 医学数据与评测 ：medical AI(title)；healthcare AI(abstract)；medical image(abstract)；分类 cs.LG
AI总结 TrustFed通过联邦不确定性量化框架，在异构和不平衡医疗数据上提供分布无关的有限样本覆盖保证，无需集中访问，提升预测可靠性。
PRM-as-a-Judge: A Dense Evaluation Paradigm for Fine-Grained Robotic Auditing
PRM-as-a-Judge：细粒度机器人审计的密集评估范式
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机科学系，北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Tsinghua University（清华大学） ； University of Sydney（悉尼大学） ； Beihang University（北航大学）
专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV
AI总结 本文提出PRM-as-a-Judge方法，通过过程奖励模型对轨迹视频进行密集评估，引入OPD指标系统，验证了宏一致性与微分辨率特性，揭示了主流策略在长周期任务中的行为特征与失败模式。
OmniFM: Toward Modality-Robust and Task-Agnostic Federated Learning for Heterogeneous Medical Imaging
OmniFM：迈向模态鲁棒且任务无关的联邦学习 for 异质医学影像
机构 * School of Software, Shenyang University of Technology（沈阳理工大学软件学院）
专题命中 医学数据与评测 ：medical image(abstract)；分类 cs.CV
AI总结 OmniFM提出一种统一训练分类、分割、超分辨率、视觉问答和多模态融合的联邦学习框架，通过频域洞察提升跨模态一致性，实现任务无关和模态鲁棒的联邦学习。
Comments Accepted by CVPR 2026 (Main)
WirelessBench: A Tolerance-Aware LLM Agent Benchmark for Wireless Network Intelligence
WirelessBench: 一种面向无线网络智能的容忍感知LLM代理基准
专题命中 医学数据与评测 ：diagnosis(abstract)；分类 eess.SP
AI总结 WirelessBench提出一种容忍感知的LLM无线代理基准，通过三层认知体系和三个设计原则，解决现有基准在连续故障和灾难性错误检测上的不足，提升无线网络管理的自主性。
Comments This paper is submitted to a possiable journal for publication
Towards Improved Short-term Hypoglycemia Prediction and Diabetes Management based on Refined Heart Rate Data
基于精细化心率数据的短期低血糖预测与糖尿病管理改进研究
专题命中 医学数据与评测 ：diagnosis(abstract)；分类 q-bio
AI总结 本文提出CRBC和CMPV两种新方法，用于填补短期心率数据缺失，提升低血糖预测准确性，并通过综合评估指标验证了其有效性。
Comments 10 pages, 2 tables
Hybrid-Code v2: Zero-Hallucination Clinical ICD-10 Coding via Neuro-Symbolic Verification and Automated Knowledge Base Expansion
Hybrid-Code v2：通过神经符号验证和自动知识库扩展实现零幻觉的临床ICD-10编码
机构 * AI Innovation & Prototyping, Zyter（人工智能创新与原型开发，Zyter）
专题命中 医学数据与评测 ：medical AI(abstract)
AI总结 Hybrid-Code v2结合神经网络与符号验证，实现零类型I幻觉，同时保持高覆盖率和精度，通过自动知识库扩展解决规则系统扩展性问题。
Comments Version 2: Substantially extended version with (1) multi-layer verification framework (format, evidence, negation, temporal, exclusion), (2) automated knowledge base expansion from unlabeled clinical text, (3) formal zero Type-I hallucination guarantees, and (4) expanded experimental evaluation on 5,000 cases with detailed error analysis. 28 pages, 3 figure, original research paper;
PrecLLM: A Privacy-Preserving Framework for Efficient Clinical Annotation Extraction from Unstructured EHRs using Small-Scale LLMs
PrecLLM: 一种用于从非结构化电子健康记录中高效提取临床注释的隐私保护框架，使用小型语言模型
机构 * Department of Biostatistics, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校生物统计学系） ； Department of Genetics, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校遗传学系） ； Curriculum for Bioinformatics and Computational Biology, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校生物信息学与计算生物学课程） ； Carolina Health Informatics Program, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校健康信息学计划） ； Department of Statistics and Operations Research, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校统计学与运筹学系） ； Department of Otolaryngology/Head and Neck Surgery, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校耳鼻喉科及头颈外科系） ； Department of Statistics, University of Michigan（密歇根大学统计学系） ； Department of Biomedical Sciences, Adams School of Dentistry, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校阿德姆牙科学院生物医学科学系） ； Computational Medicine Program, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校计算医学计划） ； Lineberger Comprehensive Cancer Center, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校林伯格综合癌症中心）
专题命中 医学数据与评测 ：clinical LLM(abstract)
AI总结 本文提出PrecLLM框架，利用小型语言模型高效处理非结构化电子健康记录，通过正则表达式和RAG技术提升隐私保护下的临床注释提取性能。
