医学 AI

Counterfactual Evaluation Reveals Hidden Capability Profiles in Clinical LLMs and Agents

反事实评估揭示临床LLM和智能体的隐藏能力画像

Matt Turk

机构 * Protege Data Lab（Protege数据实验室） 纠错

专题命中 医学数据与评测 ：clinical LLM(title)；clinical AI(abstract)；分类 cs.LG

AI总结 提出因果敏感性评分（CSS），通过沿五个临床维度变异肿瘤病例来评估模型是否按预期方向更新推荐，发现与覆盖度指标排名相反，并揭示所有前沿模型在手术状态干预上的安全盲点。

Comments Accepted to RLEval @ ACM CAIS 2026 (Workshop on Methods and RL Environments for Evaluating AI Agents) and selected for an invited talk based on reviewer ratings. 4-page short paper + appendix

Redefining Instance Matching: A Unified Framework for Part-Aware Matching in Panoptic Segmentation Evaluation

重新定义实例匹配：全景分割评估中部件感知匹配的统一框架

Erik Großkopf, Soumya Snigdha Kundu, Hendrik Möller, Nicolas Münster, Mehdi Astaraki, Paula Tamara Buzduga, Kerstin Ritter, Benedikt Wiestler, Jan Kirschke, Jonathan Shapey, Tom Vercauteren, Florian Kofler

机构 * Hertie Institute for AI in Brain Health, University of Tübingen, Germany（人工智能与脑健康研究所，图宾根大学，德国） ； King’s College London, UK（伦敦国王学院，英国） ； Technical University of Munich, Germany（慕尼黑技术大学，德国） ； Stockholm University, Sweden（斯德哥尔摩大学，瑞典） 纠错

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

AI总结 提出将全景分割中的片段匹配重新表述为约束二分分配问题，定义四种匹配策略，并扩展至部件感知评估，发布基于Panoptica的统一开源包。

Comments 9 pages, 4 figures

LangForce: Bayesian Decomposition of Vision Language Action Models via Latent Action Queries

LangForce: 通过潜在动作查询对视觉语言动作模型进行贝叶斯分解

Shijie Lian, Bin Yu, Xiaopeng Lin, Laurence T. Yang, Zhaolong Shen, Changti Wu, Yuzhuo Miao, Cong Huang, Kai Chen

机构 * Huazhong University of Science and Technology（华中科技大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Zhengzhou University（郑州大学） ； Beihang University（北航） ； East China Normal University（东华大学） ； DeepCybot Co., Ltd.（DeepCybot有限公司） 纠错

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

AI总结 针对VLA模型在训练中因数据偏差导致语言信息被忽略的问题，提出LangForce框架，通过贝叶斯分解和潜在动作查询构建双分支架构，最大化动作与指令的点互信息，无需新数据即可显著提升泛化能力。

Comments ICML 2026