医学 AI

Are Natural-Domain Foundation Models Effective for Accelerated Cardiac MRI Reconstruction?

自然域基础模型在加速心脏MRI重建中的有效性如何？

Anam Hashmi, Mayug Maniparambil, Julia Dietlmeier, Kathleen M. Curran, Noel E. O'Connor

机构 * Dublin City University（都柏林城市大学） ； University College Dublin（都柏林大学） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG、eess.IV

AI总结 本文探讨自然域基础模型在加速心脏MRI重建中的有效性，对比了与领域特定模型如BiomedCLIP的性能，并发现基础模型在跨领域场景中更具鲁棒性。

Comments Accepted to CVPRW 2026

An Artifact-based Agent Framework for Adaptive and Reproducible Medical Image Processing

基于 artifact 的 agent 框架用于自适应和可重复的医学图像处理

Lianrui Zuo, Yihao Liu, Gaurav Rudravaram, Karthik Ramadass, Aravind R. Krishnan, Michael D. Phillips, Yelena G. Bodien, Mayur B. Patel, Paula Trujillo, Yency Forero Martinez, Stephen A. Deppen, Eric L. Grogan, Fabien Maldonado, Kevin McGann, Hudson M. Holmes, Laurie E. Cutting, Yuankai Huo, Bennett A. Landman

机构 * Dept. of Electrical and Computer Engineering, Vanderbilt University（电气与计算机工程系，范德比尔特大学） ； Dept. of Computer Science, Vanderbilt University（计算机科学系，范德比尔特大学） ； Dept. of Biomedical Engineering, Vanderbilt University（生物医学工程系，范德比尔特大学） ； Dept. of Surgery, Vanderbilt University Medical Center（外科系，范德比尔特大学医学中心） ； Dept. of Neurology, Vanderbilt University Medical Center（神经病学系，范德比尔特大学医学中心） ； Dept. of Medicine, Vanderbilt University Medical Center（医学系，范德比尔特大学医学中心） ； Dept. of Thoracic Surgery, Vanderbilt University Medical Center（胸外科系，范德比尔特大学医学中心） ； Dept. of Biomedical Informatics, Vanderbilt University Medical Center（生物医学信息学系，范德比尔特大学医学中心） ； Dept. of Radiology and Radiological Sciences, Vanderbilt University Medical Center（放射学与放射科学系，范德比尔特大学医学中心） ； Vanderbilt University Institute of Imaging Science（范德比尔特大学成像科学研究所） ； Veteran Affairs, Tennessee Valley Healthcare System（退伍军人事务，田纳西河流域医疗系统） ； Peabody College, Vanderbilt University（佩博利学院，范德比尔特大学） ； Vanderbilt Brain Institute, Vanderbilt University（范德比尔特脑研究院，范德比尔特大学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出基于 artifact 的 agent 框架，用于在真实临床环境中实现自适应和可重复的医学图像处理，通过语义层和模块化规则库实现工作流配置和可追溯性。

Segmentation of Gray Matters and White Matters from Brain MRI data

从脑部MRI数据中分割灰质和白质

Chang Sun, Rui Shi, Tsukasa Koike, Tetsuro Sekine, Akio Morita, Tetsuya Sakai

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Waseda University（早稻田大学） ； Department of Neurosurgery（神经外科） ； Teraoka Memorial Hospital（寺田纪念医院） ； Department of Radiology（放射科） ； Nippon Medical School Hospital（日本医学大学医院） ； Tokyo Rosai Hospital（东京罗赛医院） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；medical image(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出改进的MedSAM模型用于多类脑组织分割，通过预处理和调整解码器实现高精度分割，实验显示在IXI数据集上Dice分数达0.8751。

Useful nonrobust features are ubiquitous in biomedical images

有用但不鲁棒的特征在生物医学图像中普遍存在

Coenraad Mouton, Randle Rabe, Niklas C. Koser, Nicolai Krekiehn, Christopher Hansen, Jan-Bernd Hövener, Claus-C. Glüer

机构 * Faculty of Engineering, North-West University, South Africa（工程学院，北开普大学，南非） 纠错

专题命中 医学影像 ：biomedical(title,comments)；medical image(title)；分类 cs.CV、cs.LG、eess.IV

AI总结 研究深度学习在医学影像中是否学习到有用的非鲁棒特征及其对测试性能的影响，发现非鲁棒特征在多个任务中表现优异，但会降低分布外性能，揭示了医学影像分类中的鲁棒性-准确性权衡。

Comments Accepted at The IEEE International Symposium on Biomedical Imaging (ISBI), 2026

Uni-Encoder Meets Multi-Encoders: Representation Before Fusion for Brain Tumor Segmentation with Missing Modalities

单编码器遇见多编码器：在缺失模态下的脑肿瘤分割中的表示学习前融合

Peibo Song, Xiaotian Xue, Jinshuo Zhang, Zihao Wang, Jinhua Liu, Shujun Fu, Fangxun Bao, Si Yong Yeo

机构 * School of Mathematics, Shandong University（山东大学数学学院） ； GSFS, The University of Tokyo（东京大学GSFS） ； MedVisAI Lab（医学视觉人工智能实验室） ； Lee Kong Chian School of Medicine, Nanyang Technological University（南洋理工大学李光前医学院） ； Centre of AI in Medicine, Singapore（新加坡医学人工智能中心） 纠错

专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出UniME方法，通过两阶段异构架构在缺失模态下实现脑肿瘤分割，通过单编码器和多编码器的结合提升分割精度。

Comments CVPR 2026 Poster

Are Video Models Emerging as Zero-Shot Learners and Reasoners in Medical Imaging?

视频模型是否在医学影像中成为零样本学习者和推理者？

Yuxiang Lai, Jike Zhong, Ming Li, Yuheng Li, Xiaofeng Yang

机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Computer Science, University of Maryland（马里兰大学计算机科学系） ； Department of Biomedical Engineering, Georgia Institute of Technology（佐治亚理工学院生物医学工程系） ； Department of Radiation Oncology and Winship Cancer Institute, Emory University（埃默里大学放射肿瘤学系和Winship癌症研究所） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)；分类 cs.CV

AI总结 本文探讨了自回归视频建模原理在医学影像任务中的零样本应用，发现大视觉模型在无需医学数据训练的情况下，能有效完成器官分割、去噪、超分辨率和运动预测等任务，尤其在放疗运动预测中表现出色。

OpenMRF: A Modular, Vendor-Neutral Open-Source Framework for Reproducible Magnetic Resonance Fingerprinting using Pulseq

OpenMRF：一种模块化、中立的开源框架，用于使用Pulseq进行可重复的磁共振指纹成像

Tom Griesler, Jannik Stebani, Sydney Kaplan, Ivaylo Angelov, Petra Albert, Martin Blaimer, Tobias Wech, Xiang Wang, Qingping Chen, Maxim Zaitsev, Zhibo Zhu, Qi Liu, Peter Martin, Jon-Fredrik Nielsen, Jesse I Hamilton, Peter Nordbeck, Nicole Seiberlich, Maximilian Gram

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 OpenMRF通过整合模块化序列设计和字典生成，提供了一种开源框架，用于实现可重复的磁共振指纹成像，支持跨厂商和场强的可靠研究。

Beyond Patient Invariance: Learning Cardiac Dynamics via Action-Conditioned JEPAs

超越患者不变性：通过动作条件化JEPAs学习心脏动力学

Jose Geraldo Fernandes, Luiz Facury, Pedro Robles Dutenhefner, Wagner Meira

机构 * Department of Computer Science（计算机科学系） ； Universidade Federal de Minas Gerais（巴西联邦大学矿务格里斯矿大学） ； Belo Horizonte, Brazil（巴西伯洛霍内） 纠错

专题命中 临床大模型 ：pathology(abstract)；diagnosis(abstract)；分类 cs.LG

AI总结 本文提出动作条件化世界模型，通过学习疾病进展动力学，区分稳定解剖特征与动态病理力量，提升心电图关键分诊任务的性能。

Beyond Acoustic Sparsity and Linguistic Bias: A Prompt-Free Paradigm for Mispronunciation Detection and Diagnosis

超越声学稀疏性和语言偏差：一种无提示的误发音检测与诊断范式

Haopeng Geng, Longfei Yang, Xi Chen, Haitong Sun, Daisuke Saito, Nobuaki Minematsu

机构 * Graduate School of Engineering, The University of Tokyo, Japan（东京大学工学系研究生院） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出无提示框架，通过CROTTC模型和IF策略实现误发音检测与诊断，实验显示在L2-ARCTIC和Iqra'Eval2上F1得分达71.77%和71.70%。

Tell Me Why: Designing an Explainable LLM-based Dialogue System for Student Problem Behavior Diagnosis

告诉我原因：设计一个可解释的基于LLM的对话系统用于学生问题行为诊断

Zhilin Fan, Deliang Wang, Penghe Chen, Yu Lu

机构 * School of Educational Technology, Beijing Normal University, Beijing, China（北京师范大学教育技术学院） ； Advanced Innovation Center for Future Education, Beijing Normal University, Beijing, China（北京师范大学未来教育创新中心） ； Faculty of Education, The University of Hong Kong, Hong Kong SAR, China（香港大学教育学院） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出基于LLM的可解释对话系统，通过层次归因方法生成自然语言解释，提升教育对话系统中LLM的可解释性，实验证明其在识别支持证据方面优于基线方法。

Comments This paper has been accepted in AIED2026

TTS-PRISM: A Perceptual Reasoning and Interpretable Speech Model for Fine-Grained Diagnosis

TTS-PRISM：一种用于细粒度诊断的感知推理和可解释语音模型

Xi Wang, Jie Wang, Xingchen Song, Baijun Song, Jingran Xie, Jiahe Shao, Zijian Lin, Di Wu, Meng Meng, Jian Luan, Zhiyong Wu

机构 * Tsinghua University（清华大学） ； MiLM Plus, Xiaomi Inc.（小鹏科技MiLM Plus） ； The University of Tokyo（东京大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出TTS-PRISM模型，通过多维诊断框架和可解释合成流程，实现对语音生成中细粒度声学问题的诊断与解释，实验表明其在人感知对齐上优于通用模型。

Comments Submitted to Interspeech 2026

Distance-Misaligned Training in Graph Transformers and Adaptive Graph-Aware Control

图变换器中的距离偏差训练与自适应图感知控制

Qinhan Hou, Jing Tang

机构 * University of Helsinki（赫尔辛基大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究图变换器中距离偏差训练与自适应图感知控制，通过合成节点分类基准发现任务局部性影响图距离偏置，并验证自适应控制器在混合和局部任务中的有效性。

Comments Accepted by Graph Signal Processing Workshop 2026 as an extended abstract

Kernel Contracts: A Specification Language for ML Kernel Correctness Across Heterogeneous Silicon

核合同：一种用于跨异构硅芯片的机器学习核正确性的规范语言

Cooper Veit

机构 * Ashiba Research（Ashiba研究） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出一种核合同规范语言，用于规范机器学习核的正确性，通过定义八个部分来覆盖精度、顺序、编译器诱导等故障模式，并通过三个状态校准验证合同违反情况。

Comments 28 pages, 1 figure

Multiplex Hypergraph Modeling of Higher Order Structures in Psychometric Networks

多乘积超图建模：心理网络中高阶结构的分析

Francesca Possenti, Laura Girelli, Paolo Tieri, Manuela Petti

专题命中 诊断辅助 ：diagnosis(abstract)；分类 q-bio

AI总结 本文提出多乘积超图框架，用于分析心理网络中高阶交互，通过Ω信息量衡量冗余与协同，揭示诊断间的高阶组织结构及跨诊断核心特征。

Comments 17 pages, 6 figures, 2 tables

Early Preconfiguration Failure: A Novel Predictor of the Repetitive Subconcussion

早期预配置失败：重复性亚 concussion 的新型预测指标

Jiajia Li, Zhenzhen Yu, Zhenghao Fu, Guozheng Xu, Jian Song

专题命中 诊断辅助 ：diagnosis(abstract)；分类 q-bio

AI总结 研究通过EEG和视觉注意任务分析，发现早期皮层动态特征可有效区分健康人、重复性亚 concussion 患者和脑创伤患者，揭示毫秒级皮层动态对亚 concussion 诊断的重要性。

Comments 25 pages, 8 figures

Fully multiplexed photonic tensor computing

全乘复光子张量计算

Aolong Sun, Junhao Zhao, Fangchen Hu, Sizhe Xing, Yuqin Yuan, Jialin He, Yongzhu Hu, Xuyu Deng, Yinjun Liu, Ouhan Huang, Baiheng Zhao, Hancheng Liu, Tian Dong, Jingkai Zhou, Haoyang Sun, Liang Chen, Chao Shen, Feng Bao, Ziwei Li, Jianyang Shi, Wei Chu, Bowei Dong, Nan Chi, Junwen Zhang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出FieldCore全乘复光子张量核心，利用波长、射频、引导模式、时间与空间维度实现乘积级并行计算，验证了在超高速算术运算、高保真图像卷积及并行手写数字识别中的性能，展示了高维数据处理的应用潜力。

Why Supervised Fine-Tuning Fails to Learn: A Systematic Study of Incomplete Learning in Large Language Models

为何监督微调失效：对大语言模型中不完全学习现象的系统研究

Chao Xue, Yao Wang, Mengqiao Liu, Di Liang, Xingsheng Han, Peiyang Liu, Xianjie Wu, Chenyao Lu, Lei Jiang, Yu Lu, Haibo Shi, Shuang Liang, Minlong Peng, Flora D. Salim

机构 * University of New South Wales（新南威尔士大学） ； Tencent Hunyuan（腾讯文言） ； Tencent Yuanbao（腾讯元宝） ； UESTC（电子科技大学） ； Peking University（北京大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文系统研究了大语言模型微调中不完全学习现象，揭示了五个导致学习不完整的原因，并提出诊断优先框架和缓解策略，证明监督微调的局限性。

Comments Accepted by ACL 2026 Main

HFS-TriNet: A Three-Branch Collaborative Feature Learning Network for Prostate Cancer Classification from TRUS Videos

HFS-TriNet：一种用于从TRUS视频中分类前列腺癌的三分支协作特征学习网络

Xu Lu, Qianhong Peng, Qihao Zhou, Shaopeng Liu, Xiuqin Ye, Chuan Yang, Yuan Yuan

机构 * Guangdong Polytechnic Normal University（广东 polytechnic 正规大学） ； Guangdong Provincial Key Laboratory of Intellectual Property & Big Data（广东省知识产权与大数据重点实验室） ； The First Affiliated Hospital of Jinan University（暨南大学第一附属医院） ； Shenzhen People’s Hospital（深圳人民医院） 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出HFS-TriNet，通过三分支协作学习网络和启发式帧选择策略，解决TRUS视频分析中的信息冗余、特征提取复杂和信噪比低等问题，提升CAD系统准确性。

Digital Modeling of Spatial Pathway Activity from Histology Reveals Tumor Microenvironment Heterogeneity

从组织学图像数字建模揭示肿瘤微环境异质性

Ling Liao, Changhuei Yang, Maxim Artyomov, Mark Watson, Adam Kepecs, Haowen Zhou, Alexey Sergushichev, Richard Cote

专题命中 病理影像 ：pathology(abstract)；分类 q-bio

AI总结 通过从组织学图像预测空间通路活性，研究肿瘤微环境异质性，发现TGFb信号在乳腺和肺癌数据集中预测准确率最高，且空间活动图谱与预期一致。

Comments The paper was withdrawn because the original submission was an early draft manuscript and not the final version for publication

From Classical Machine Learning to Emerging Foundation Models: Review on Multimodal Data Integration for Cancer Research

从经典机器学习到新兴基础模型：癌症研究中多模态数据整合的综述

Amgad Muneer, Muhammad Waqas, Maliazurina B Saad, Eman Showkatian, Rukhmini Bandyopadhyay, Hui Xu, Wentao Li, Joe Y Chang, Zhongxing Liao, Cara Haymaker, Luisa Solis Soto, Carol C Wu, Natalie I Vokes, Xiuning Le, Lauren A Byers, Don L Gibbons, John V Heymach, Jianjun Zhang, Jia Wu

机构 * Department of Imaging Physics, The University of Texas MD Anderson Cancer Center（影像物理系，德克萨斯大学MD安德森癌症中心） ； Department of Thoracic/Head and Neck Medical Oncology, The University of Texas MD Anderson Cancer Center（胸腔/头颈医学肿瘤科，德克萨斯大学MD安德森癌症中心） ； Department of Thoracic Radiation Oncology, The University of Texas MD Anderson Cancer Center（胸腔放射肿瘤科，德克萨斯大学MD安德森癌症中心） ； Department of Translational Molecular Pathology, The University of Texas MD Anderson Cancer Center（转化分子病理学系，德克萨斯大学MD安德森癌症中心） ； Department of Thoracic Imaging, The University of Texas MD Anderson Cancer Center（胸腔影像科，德克萨斯大学MD安德森癌症中心） 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 q-bio

AI总结 本文综述了多模态数据整合在癌症研究中的应用，探讨了传统机器学习向基础模型转变的趋势，以及多组学与先进影像数据整合的最新方法和挑战。

Comments 10 figures, 5 tables

Journal ref Artificial Intelligence Review 59, 119 (2026)

Mitochondrial mechanics nucleates axonal jamming and swelling

线粒体力学引发轴突阻塞与肿胀

Patrick S. Noerr, Ahmed A. Abushawish, Gulcin Pekkurnaz, Padmini Rangamani

专题命中 病理影像 ：pathology(abstract)

AI总结 研究揭示线粒体力学与轴突结构之间的物理联系，通过构建基于代理的模型，发现线粒体形状和机械特性影响运输阻塞及轴突肿胀，提出线粒体分裂与融合动态对运输稳定性的影响。

Comments 30 pages, 9 figures, 2 tables, 8 supplementary movies

Market Dynamics, Governance and Open Research Metadata in the AI Era

市场动态、治理与开放研究元数据在人工智能时代

Daniel W. Hook

专题命中 病理影像 ：pathology(abstract)

AI总结 本文探讨了在人工智能时代，开放元数据与商业封闭之间的张力，提出创新环的概念，分析其对研究效率和创新的影响，并提出治理框架以平衡二者。

Comments 18 pages, 3 figures, minor changes and reference added

Multimodal Neural Operators for Real-Time Biomechanical Modelling of Traumatic Brain Injury

多模态神经算子用于创伤性脑损伤的实时生物力学建模

Anusha Agarwal, Dibakar Roy Sarkar, Somdatta Goswami

机构 * Johns Hopkins Whiting School of Engineering（约翰霍普金斯大学惠廷工程学院） 纠错

专题命中 医疗多模态 ：biomedical(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出多模态神经算子架构用于创伤性脑损伤的生物力学建模，通过融合体积解剖影像、人口特征和采集参数，预测全字段脑位移，验证了DeepONet在准确性、速度和参数量上的优势。

Foundation models for discovering robust biomarkers of neurological disorders from dynamic functional connectivity

用于从动态功能连接中发现神经疾病稳健生物标记物的基础模型

Deepank Girish, Yi Hao Chan, Sukrit Gupta, Jing Xia, Jagath C. Rajapakse

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院，新加坡） ； Department of Biomedical Engineering and the School of Artificial Intelligence and Data Engineering, Indian Institute of Technology Ropar, India（印度理工学院罗帕尔分校生物医学工程系和人工智能与数据工程学院） ； College of Instrument and Computer Science, Zhejiang University, China（浙江大学仪器与计算机科学学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract,abstract_cn)；MRI(abstract)；分类 cs.LG、q-bio、eess.SP

AI总结 本文提出RE-CONFIRM框架，评估深度学习模型中潜在生物标记物的稳健性，发现传统指标不足，提出Hub-LoRA技术提升模型性能并产生神经生物学忠实的生物标记物。

Discovering robust biomarkers of psychiatric disorders from resting-state functional MRI via graph neural networks: A systematic review

通过图神经网络从静息态功能性磁共振成像中发现心理障碍的稳健生物标志物：系统综述

Yi Hao Chan, Deepank Girish, Sukrit Gupta, Jing Xia, Chockalingam Kasi, Yinan He, Conghao Wang, Jagath C. Rajapakse

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Department of Computer Science and Engineering, Indian Institute of Technology（印度理工学院计算机科学与工程系） 纠错

专题命中 生物医学文本 ：MRI(title)；分类 cs.LG、q-bio、eess.SP

AI总结 本文综述了利用图神经网络和模型可解释性技术在静息态fMRI数据中发现心理障碍生物标志物的研究，指出现有方法在评估生物标志物稳健性时存在主观性，提出建立客观评估标准以提高可重复性。

EgoMAGIC- An Egocentric Video Field Medicine Dataset for Training Perception Algorithms

EgoMAGIC- 一种用于训练感知算法的自拍视频医学数据集

Brian VanVoorst, Nicholas Walczak, Christopher Gilleo, Charles Meissner, Fabio Felix, Iran Roman, Bea Steers, Claudio Silva, Yuhan Shen, Zijia Lu, Shih-Po Lee, Ehsan Elhamifar

机构 * RTX BBN Technologies（RTX BBN技术公司） ； New York University（纽约大学） ； Northeastern University（东北大学） 纠错

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

AI总结 本文介绍EgoMAGIC数据集，包含50项医学任务的3355个视频，用于训练感知算法，通过挑战赛推动研究，提供124种医学物体的检测基准。

Comments 9 pages, 4 figures, 3 tables

Seeing the Whole Elephant: A Benchmark for Failure Attribution in LLM-based Multi-Agent Systems

看见整个象：面向基于大语言模型的多智能体系统故障归因的基准测试

Mengzhuo Chen, Junjie Wang, Fangwen Mu, Yawen Wang, Zhe Liu, Huanxiang Feng, Qing Wang

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出TraceElephant基准测试，通过完整执行轨迹和可复现环境提升故障归因准确性，验证完整轨迹对故障原因识别的重要性。

Comments Accepted by ACL 2026

EuropeMedQA Study Protocol: A Multilingual, Multimodal Medical Examination Dataset for Language Model Evaluation

欧洲医学问答研究协议：一个多语言、多模态的医学考试数据集用于语言模型评估

Francesco Andrea Causio, Vittorio De Vita, Olivia Riccomi, Michele Ferramola, Federico Felizzi, Alessandro Tosi, Antonio Cristiano, Lorenzo De Mori, Chiara Battipaglia, Melissa Sawaya, Luigi De Angelis, Marcello Di Pumpo, Alessandra Piscitelli, Pietro Eric Risuleo, Alessia Longo, Giulia Vojvodic, Mariapia Vassalli, Bianca Destro Castaniti, Nicolò Scarsi, Manuel Del Medico

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 本文提出欧洲医学问答数据集，旨在通过多语言多模态数据评估语言模型性能，评估跨语言迁移和视觉推理能力。