医学 AI

Semantic Communication for Multi-Satellite Massive MIMO Transmission: A Mixture of Cooperative Modes Framework

多卫星大规模MIMO传输的语义通信：一种协作模式混合框架

Yafei Wang, Yuchen Zhang, Yiming Zhu, Vu Nguyen Ha, Rui Ding, Wenjin Wang, Symeon Chatzinotas, Björn Ottersten

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

AI总结 本文提出了一种混合协作模式框架，用于多卫星大规模MIMO传输中的语义通信，通过动态切换协同模式平衡语义性能与复杂度。

Comments This work has been submitted to the IEEE for possible publication

State Localization and Selective Charge Filtering Near a Null Point

在空点附近的状态定位与选择性电荷过滤

Sanjoy Patra, Jibin Sivanarayan, Vivek N. Bhat, Philip D. Maret, Atandrita Bhattacharyya, Sayan Ghosh, Mahesh Hariharan, Vivek Tiwari

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究通过实验观测到空点，揭示了其在光ovoltaic材料中的选择性电荷过滤机制，提出了一种通用的振动理论解释相关现象。

Comments 5 figures

Do not copy and paste! Rewriting strategies for code retrieval

不要复制粘贴！代码检索的重写策略

Andrea Gurioli, Federico Pennino, Maurizio Gabbrielli

机构 * DISI University of Bologna（博洛尼亚大学DISI学院） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文研究了三种重写策略在不同检索场景下的效果，发现全自然语言重写在在线检索中表现最佳，但离线检索效果下降明显，提出Delta H作为评估重写收益的指标。

Counterfactual Stress Testing for Image Classification Models

反事实压力测试用于图像分类模型

Moritz Stammel, Fabio De Sousa Ribeiro, Raghav Mehta, Mélanie Roschewitz, Ben Glocker

机构 * Department of Computing, Imperial College London, UK（伦敦帝国理工学院计算机系） 纠错

专题命中 医学影像 ：medical AI(abstract)；分类 cs.CV

AI总结 本文提出基于因果生成模型的反事实压力测试框架，通过干预扫描仪类型和患者性别等属性生成真实'如果'图像，以评估模型在目标分布偏移下的性能，比传统扰动更准确地捕捉性能变化方向和幅度。

Fetal Brain Imaging: A Composite Neural Network Approach for Keyframe Detection in Ultrasound Videos

胎儿脑部成像：一种复合神经网络方法用于超声视频中的关键帧检测

Aleksander Zamojski, Kacper Jarczak, Radoslaw Roszczyk

机构 * Warsaw University of Technology（华沙技术大学） 纠错

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出了一种复合神经网络方法，结合CNN和RNN用于超声视频中的关键帧检测，以提高胎儿脑部超声分析的效率和准确性。

KEPIL: Knowledge-Enhanced Prompt-Image Learning for Prompt-Robust Disease Detection

KEPIL: 基于知识增强的提示-图像学习用于提示鲁棒疾病检测

Haozhe Luo, Shelley Zixin Shu, Ziyu Zhou, Robert Berke, Mauricio Reyes

机构 * University of Bern（伯尔尼大学） ； Shanghai Jiao Tong University（上海交通大学） ； Department of Radiation Oncology, Inselspital, Bern University Hospital and University of Bern（放射肿瘤科、Inselspital伯尔尼大学医院及伯尔尼大学） 纠错

专题命中 医学影像 ：radiology(abstract)；分类 cs.CV

AI总结 KEPIL通过整合 curated 医学知识，提升零样本推理性能，采用动态提示增强、语义感知对比损失和实体中心报告标准化方法，在多个基准测试中实现 state-of-the-art 成绩，提升 AUC 6.37% 在 CheXpert 上。

Harmonized Feature Conditioning and Frequency-Prompt Personalization for Multi-Rater Medical Segmentation

谐化特征条件与频率提示个性化用于多评分者医学分割

Sanaz Karimijafarbigloo, Armin Khosravi, Alireza Kheyrkhah, Reza Azad, Mauricio Reyes, Dorit Merhof

机构 * Faculty of Informatics and Data Science, University of Regensburg（信息学院与数据科学学院，莱比锡大学） ； Sharif University of Technology（谢赫·伊斯兰大学） ； Iran University of Science and Technology（伊朗科学技术大学） ； ARTORG Center for Biomedical Research, University of Bern（伯尔尼大学生物医学研究中心） ； Department of Radiation Oncology, University Hospital Bern, University of Bern（伯尔尼大学放射肿瘤科，伯尔尼大学） ； Fraunhofer Institute for Digital Medicine MEVIS, Bremen（弗劳恩霍夫数字医学研究所MEVIS，不莱梅） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 本文提出谐化概率框架，通过自适应特征条件和频域个性化分离成像伪影与标注者差异，提升多评分者医学分割的准确性和可解释性。

Comments Accepted in main CVPR 2026

Markerless Head Tracking for Accurate and Accessible Neuronavigation

无标记头部追踪用于精确且可及的神经导航

Ziye Xie, Oded Schlesinger, Raj Kundu, Jessica Y. Choi, Pablo Iturralde, Dennis A. Turner, Stefan M. Goetz, Guillermo Sapiro, Angel V. Peterchev, J. Matias Di Martino

机构 * Department of Electrical and Computer Engineering, Duke University（电气与计算机工程系，杜克大学） ； Department of Psychiatry & Behavioral Sciences, Duke University（精神病学与行为科学系，杜克大学） ； Duke Institute for Brain Sciences（杜克脑科学研究所） 纠错

专题命中 临床大模型 ：biomedical(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出无标记方法，利用低成本摄像头和算法建模实现高精度神经导航，实验显示其在精度和成本效益上的优势。

A machine learning approach to using Quality-of-Life patient scores in guiding prostate radiation therapy dosing

利用生活质量评分指导前列腺放射治疗剂量的机器学习方法

Zhijian Yang, Daniel Olszewski, Chujun He, Giulia Pintea, Jun Lian, Tom Chou, Ronald Chen, Blerta Shtylla

专题命中 临床大模型 ：diagnosis(abstract)；分类 q-bio

AI总结 本文通过机器学习探索放射治疗与术后胃肠泌尿功能的关系，利用数据增强和迁移学习训练模型，确定各器官的辐射剂量阈值，发现直肠区域辐射影响生活质量评分。

Journal ref Computers in Biology and Medicine Volume 129, 104127, (2021)

Medical Incident Causal Factors and Preventive Measures Generation Using Tag-based Example Selection in Few-shot Learning

基于标签的示例选择在少样本学习中生成医疗事件因果因素和预防措施

Yuna Haseyama, Tomoki Ito, Hiroki Sakaji, Itsuki Noda

机构 * Graduate School of Information Science（信息科学研究生院） ； Technology Hokkaido University Hokkaido, Japan（技术 Hokkaido 大学 Hokkaido, Japan） ； National Institute of Information（信息国家研究所） ； Faculty of Information Science（信息科学学院） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)

AI总结 本文提出基于标签的少样本学习方法，利用日本医疗事件数据集，通过对比随机采样、相似度选择和标签方法，验证标签选择能提高生成精度和稳定性。

Information Greenhouse: Optimal Persuasion for Medical Test-Avoiders

信息温室：医疗测试规避者的最优说服

Zhuo Chen

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文研究医生与医疗测试规避患者之间的最优沟通，探讨在测试后是否接受治疗的决策，通过警告与安抚的平衡来制定最优策略。

PromptDx: Differentiable Prompt Tuning for Multimodal In-Context Alzheimer's Diagnosis

PromptDx: 为多模态上下文阿尔茨海默病诊断的可微提示微调

Lujia Zhong, Yihao Xia, Shuo Huang, Jianwei Zhang, Yonggang Shi

机构 * Stevens Neuroimaging and Informatics Institute, Keck School of Medicine, University of Southern California（斯蒂文斯神经影像与信息学研究所，凯克医学院，南加州大学） ； Ming Hsieh Department of Electrical and Computer Engineering, Viterbi School of Engineering, University of Southern California（明希德电气与计算机工程系，维特比工程学院，南加州大学） ； Alfred E. Mann Department of Biomedical Engineering, Viterbi School of Engineering, University of Southern California（阿尔弗雷德·E·曼生物医学工程系，维特比工程学院，南加州大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.CV

AI总结 PromptDx通过可微提示微调机制，结合预训练的TabPFN实现多模态上下文诊断，提升数据效率和临床适用性。

Towards Conversational Medical AI with Eyes, Ears and a Voice

面向有眼睛、耳朵和声音的对话式医疗AI

Meet Shah, Jason Gusdorf, Anil Palepu, Chunjong Park, Jack W. O'Sullivan, Vishnu Ravi, Tim Strother, Pavel Dubov, Aliya Rysbek, Toshiyuki Fukuzawa, Yana Lunts, Jan Freyberg, Michael B. Chang, Aniruddh Raghu, David Stutz, Devora Berlowitz, Eliseo Papa, Taylan Cemgil, JD Velasquez, Jack Chen, Arthur Chen, Doug Fritz, Charlie Taylor, Katya Tregubova, Jing Rong Lim, Richard Green, Sara Mahdavi, Mahvish Nagda, Jihyeon Lee, Craig Schiff, Liviu Panait, Sukhdeep Singh, Valentin Liévin, David G. T. Barrett, Hannah Gladman, Anna Cupani, Francesca Pietra, Uchechi Okereke, Katherine Tong, Clemens Meyer, Erwan Rolland, Mili Sanwalka, Michael D. Howell, Shixiang Shane Gu, Bibo Xu, Euan A. Ashley, S. M. Ali Eslami, Gregory Wayne, Pushmeet Kohli, Vivek Natarajan, Adam Rodman, Alan Karthikesalingam, Ryutaro Tanno

机构 * Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究） ； Beth Israel Deaconess Medical Center, Harvard Medical School（贝塞斯达医院, 哈佛医学院） ； Stanford University（斯坦福大学） 纠错

专题命中 诊断辅助 ：medical AI(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 本文提出AI co-clinician系统，利用音频视频数据实现实时临床决策，通过TelePACES评估标准显示其在管理计划和诊断差异方面接近医生，但在体格检查和疾病特异性推理上仍有不足。

Comments Video examples are available on Youtube: https://youtu.be/y5Vaa_SN1t0, https://youtu.be/dC4icb75vLQ, and https://youtu.be/E7iEvWo-E6c

Shapley Regression for Rare Disease Diagnosis Support: a case study on APDS

Shapley回归在罕见疾病诊断支持中的应用：APDS案例研究

Safa Alsaidi, Tomás Brogueira, Nizar Mahlaoui, Marc Vincent, Guilherme Pelegrina, Nicolas Garcelon, Adrien Coulet, Miguel Couceiro

机构 * Inria, Inserm, UPC, HeKA U1346（Inria、Inserm、UPC、HeKA U1346） ； Técnico, University of Lisbon, INESC-ID（Técnico、里斯本大学、INESC-ID） ； Data Science Platform, INSERM UMR1163, Imagine Institute, UPC（数据科学平台、INSERM UMR1163、Imagine研究所、UPC） ； Mackenzie Presbyterian University（Mackenzie Presbyterian大学） ； Data Science Platform, INSERM UMR1163, Imagine Institute UPC（数据科学平台、INSERM UMR1163、Imagine研究所UPC） 纠错

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

AI总结 本文提出Shapley回归模型，通过游戏理论方法解决罕见疾病APDS的诊断问题，利用k-加性合作游戏建模症状共现，提升预测精度与鲁棒性。

Comments 21 pages, 4 figures. Accepted to the AI and Health special track at IJCAI 2026; the first two named authors had equal contribution

Explainable Machine Learning Framework for Cardiovascular Disease Diagnosis and Prognosis

可解释机器学习框架用于心血管疾病诊断与预后

Md. Emon Akter Sourov, Md. Sabbir Hossen, Pabon Shaha, Md. Moradul Siddique, Yadab Sutradhar, Md Sadiq Iqbal

机构 * Engineering Bangladesh University, Dhaka-1207, Bangladesh. ； Technology University, Santosh, Tangail-1902. ； Engineering University of Information Technology \ Sciences, Dhaka, Bangladesh. moradul\ ； Dept. of Computer Science Maharishi International University, Fairfield, IA 52557, United States. ； \ Bangladesh University, Dhaka-1207, Bangladesh. ； a Deparment of Computer Science \& Engineering, Bangladesh University, Dhaka-1207, Bangladesh. ； Tecnology University, Tangail-1902, Bangladesh. ； c Deparment of Computer Science \& Engineering, University of Information Technology of Sciences, Dhaka, Bangladesh. ； d Department of Computer Science,Fairfield, IA 52557, Maharishi International University, United States. 纠错

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

AI总结 本文提出结合分类与回归技术的机器学习框架，用于心血管疾病诊断与风险预测，通过SMOTE增强数据集并评估多种模型性能，随机森林和线性回归在准确率与R2指标上表现优异，同时利用可解释AI提升模型可理解性。

Comments This paper has been published at the IEEE SCSE 2026. The final version is available in the IEEE Xplore Digital Library. 2026 IEEE International Research Conference on Smart Computing and Systems Engineering, 2026

A Versatile AI Agent for Rare Disease Diagnosis and Risk Gene Prioritization

一种多功能AI代理用于罕见病诊断和风险基因优先级排序

Tianyu Liu, Wangjie Zheng, Rui Yang, Benny Kai Guo Loo, Hui Zhang, Jeffries Lauran, Jianlei Gu, Botao Yu, Weihao Xuan, Kexin Huang, Nan Liu, James Zou, Yonghui Jiang, Hua Xu, Hongyu Zhao

机构 * Interdepartmental Program in Computational Biology and Bioinformatics, Yale University（耶鲁大学计算生物学与生物信息学联合计划） ； Department of Biostatistics, Yale University（耶鲁大学生物统计学系） ； Broad Institute of MIT and Harvard（哈佛大学与麻省理工学院联合Broad研究所） ； Center for Biomedical Data Science, Duke-NUS Medical School（杜克-新加坡医学学校生物医学数据科学中心） ； Sport and Exercise Medicine Service, KK Women’s and Children’s Hospital Training Program, Duke-NUS Medical School（杜克-新加坡医学学校KK妇女儿童医院运动与医学服务培训项目） ； Training Program, Duke-NUS Medical School（杜克-新加坡医学学校培训项目） ； Department of Computer Science and Engineering, The Ohio State University（俄亥俄州立大学计算机科学与工程系） ； Department of Complexity Science and Engineering, The University of Tokyo（东京大学复杂科学与工程系） ； Center for Advanced Intelligence Project, RIKEN（日本理化学研究所高级智能项目中心） ； NUS Artificial Intelligence Institute, National University of Singapore（新加坡国立大学人工智能研究所） ； Department of Biostatistics and Bioinformatics, Duke University（杜克大学生物统计学与生物信息学系） ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； Department of Genetics, Yale University（耶鲁大学遗传学系） ； Wu Tsai Institute, Yale University（耶鲁大学吴天教授研究所） ； Department of Biomedical Informatics and Data Science, Yale University（耶鲁大学生物医学信息学与数据科学系） 纠错

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

AI总结 本文提出Hygieia系统，通过整合多源数据提升罕见病诊断准确性与风险基因优先级排序能力，实验表明其在多个诊断基准上表现优异，有效减轻临床工作负担。

Comments 32 pages, 6 figures

Reconciling Consistency-Based Diagnosis with Actual-Causality-Based Explanations

协调一致性诊断与实际因果性解释

Leopoldo Bertossi

机构 * Carleton University（卡尔顿大学） ； Western University（西方大学） ； IMFD（智利国家数学与计算机科学研究所） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 从可解释AI视角探讨一致性诊断与实际因果性解释的联系，揭示其对XAI和可解释数据管理的潜在影响。

Comments under submission

When Adaptation Fails: A Gradient-Based Diagnosis of Collapsed Gating in Vision-Language Prompt Learning

当适应失效：基于梯度的Collapsed Gating在视觉-语言提示学习中的诊断

Yunxuan Fang, Ziwei Zhang, Xinhe Wang

机构 * Beihang University（北航大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本文研究了在冻结少样本提示学习中，适应性门控和提示选择模块失效的问题，通过实验发现梯度不平衡和门控退化是主要失效模式，揭示了参数高效学习中适配门控的有效条件。

Classification-Head Bias in Class-Level Machine Unlearning: Diagnosis, Mitigation, and Evaluation

类别级机器去学习中的分类头偏差：诊断、缓解与评估

Weidong Zheng, Kongyang Chen, Yuanwei Guo, Yatie Xiao

机构 * School of Computer Science and Cyber Engineering, Guangzhou University（计算机科学与电子工程学院，广州大学） ； School of Artificial Intelligence, Guangzhou University（人工智能学院，广州大学） ； Guangzhou Institute of Internet of Things（广州物联网研究院） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本文揭示了类别级去学习中的偏差主导捷径，提出BiasShift和两种新的机制，通过引入新的指标量化偏差依赖性，实验表明方法在保持去学习性能的同时更稳定。

Nullspace-based Fault Diagnosis for Closed-Loop Mechatronic Systems with Application to Semiconductor Equipment

基于空域的闭环机电系统故障诊断及其在半导体设备中的应用

Koen Classens, Jeroen van de Wijdeven, Maurice Heemels, Tom Oomen

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出基于空域的闭环故障诊断方法，用于解决线性系统中的故障检测与隔离问题，并在半导体设备中进行应用验证。

GenMed: A Pairwise Generative Reformulation of Medical Diagnostic Tasks

GenMed：医学诊断任务的成对生成性重述

Hantao Zhang, Weidong Guo, Yuhe Liu, Jiancheng Yang, Sathvik Bhagavan, Danli Shi, Mingda Xu, Pascal Fua

机构 * CVLab, École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）计算机视觉实验室） ； Fudan University（复旦大学） ； Beihang University（北航大学） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Aalto University（艾尔沃斯大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 诊断辅助 ：medical AI(abstract)；medical image(abstract)；分类 cs.CV

AI总结 本文提出一种生成性方法，通过扩散模型建模联合分布P(X,Y)，在推理时优化输出，支持任意观测组合，实验显示在医学图像分割、少样本分割、退化输入分割、形状补全和零样本应用中表现优异。

Deep Sequential Feature Learning in Clinical Image Classification of Infectious Keratitis

临床感染性角膜炎图像分类中的深度序列特征学习

Yesheng Xu, Ming Kong, Wenjia Xie, Runping Duan, Zhengqing Fang, Yuxiao Lin, Qiang Zhu, Siliang Tang, Fei Wu, Yu-Feng Yao

机构 * Department of Ophthalmology, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine（浙江大学医学院眼科学系，邵氏医院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出深度序列学习模型，用于通过临床图像分类区分感染性角膜病的细微特征，模型在421名眼科医生的竞争中实现了80.00%的诊断准确率，优于医生的49.27%准确率。

Comments Accepted by Engineering

AI- Enhanced Stethoscope in Remote Diagnostics for Cardiopulmonary Diseases

AI增强的远程诊断心肺疾病听诊器

Hania Ghouse, Juveria Tanveen, Abdul Muqtadir Ahmed, Uma N. Dulhare

机构 * Department of Computer Science and Artificial Intelligence, Muffakham Jah College of Engineering and Technology（计算机科学与人工智能系，穆法卡姆·贾赫工程与技术学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、eess.SP

AI总结 本文提出一种结合AI的低成本听诊器，用于实时诊断六种肺部和五种心血管疾病，通过MFCC特征提取和混合模型提升诊断效率。

Muown: Row-Norm Control for Muon Optimization

Muown：行范数控制用于缪子优化

Kai Lion, Florian Hübler, Bingcong Li, Antonio Orvieto, Niao He

机构 * ETH Zurich（苏黎世联邦理工学院） ； Technical University of Munich（慕尼黑技术大学） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； MPI-IS Tübingen（图宾根MPI-IS） ； Tübingen AI Center（图宾根人工智能中心） 纠错

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

AI总结 本文提出Muown，通过将行幅度向量作为显式优化变量，改进了缪子优化在大规模训练中的稳定性，提升了模型 perplexity 并减少对权重衰减的敏感性。

Per-Loss Adapters for Gradient Conflict in Physics-Informed Neural Networks

每损失适配器用于物理信息神经网络中的梯度冲突

Bum Jun Kim, Gnankan Landry Regis N'guessan

机构 * The University of Tokyo, Japan（东京大学） ； Axiom Research Group（Axiom研究组） ； Department of Applied Mathematics and Computational Science, NM-AIST, Tanzania（应用数学与计算科学系，NM-AIST，坦桑尼亚） ； African Institute for Mathematical Sciences (AIMS), Research and Innovation Centre, Rwanda（非洲数学科学研究所（AIMS），研究与创新中心，卢旺达） 纠错

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

AI总结 本文提出每损失适配器用于解决物理信息神经网络中的梯度冲突问题，通过诊断框架和轻量级架构干预，针对不同冲突类型提供不同解决方案，提升优化效率。

Comments 49 pages, 10 figures

CLR-voyance: Reinforcing Open-Ended Reasoning for Inpatient Clinical Decision Support with Outcome-Aware Rubrics

CLR-voyance：通过结果感知的评分表强化住院患者临床决策支持中的开放性推理

Aishik Nagar, Arun-Kumar Kaliya-Perumal, Yu-Hsuan Han, Andrew Sheng-Han Huang, Kristen Kee, Yushi Cao, Yiming Chen, Hongchao Jiang

机构 * ASUS Intelligent Cloud Services (AICS)（ASUS智能云服务（AICS）） ； Rehabilitation Research Institute of Singapore, Nanyang Technological University（新加坡康复研究院，南洋理工大学） ； Department of Family Medicine, Taipei Veterans General Hospital（台北荣民总医院家庭医学部） ； School of Medicine, National Yang Ming Chiao Tung University（国家阳明交通大学医学院） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学 Yong Loo Lin 医学院） 纠错

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

AI总结 CLR-voyance将住院患者推理建模为POMDP，通过结果感知和临床验证的奖励机制提升决策支持，实现住院患者临床推理的最新进展。

Perception Without Engagement: Dissecting the Causal Discovery Deficit in LMMs

无参与的感知：LMMs中因果发现缺陷的剖析

Jiafeng Liang, Zhihao Zhu, Zihan Zhang, Baoqi Ren, Shixin Jiang, Runxuan Liu, Tao Ren, Ming Liu, See-Kiong Ng, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文探讨了大型多模态模型在因果发现中的缺陷，提出ProCauEval评估协议和ADPO框架，通过扰动分析揭示模型在视觉和文本模态间的依赖关系，提升视觉推理能力。

Comments 17 pages, 5 figures

Can Revealed Preferences Clarify LLM Alignment and Steering?

揭示偏好能否澄清大语言模型对齐与引导？

Khurram Yamin, Jingjing Tang, Eric Horvitz, Bryan Wilder

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本文提出一种经验方法，通过估计LLM在决策任务中的隐含偏好，评估模型是否一致地追求目标，是否能描述其目标，以及提示是否能可靠引导策略。

HEART: A High-Efficiency Adaptive Real-Time Telemonitoring Framework for Secure Electrocardiogram Signal Transmission Using Chaotic Encryption

HEART：一种高效率自适应实时远程监控框架，用于使用混沌加密的安全心电图信号传输

Beyazıt Bestami Yuksel

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

AI总结 本文提出了一种基于患者自身心电图特征生成可学习密钥的实时心电图监控系统，利用混沌加密技术实现安全传输，通过动态生成加密密钥和结合置换与异或扩散，提高安全性与实时性能。

Comments 15 pages, 4 figure, 3 table

Journal ref ELECTRICA 2026

Is Class Signal Clustered or Routed in Task-Induced Implicit Neural Representation Weight Spaces?

隐式神经表示中的类别信号是聚类还是路由？

Xinyi Guo, Mingyi He, Haobin Ding, Weiming Chen, Xinrui Chen, Jiawen Li, Di Zhang, Minxi Ouyang, Yizhi Wang, Xitong Ling

机构 * South China Normal University（南方科技大学） ； Beijing University of Chemical Technology（北京化工大学） ； Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 研究探讨了隐式神经表示中类别信号的几何结构，发现其并非简单聚类，而是通过读者路由实现可分类性。