医学 AI

Lazy But Effective: Collaborative Personalized Federated Learning with Heterogeneous Data

懒惰但有效：基于异构数据的协同个性化联邦学习

Ljubomir Rokvic, Panayiotis Danassis, Boi Faltings

机构 * Artificial Intelligence Laboratory EPFL（苏黎世联邦理工学院人工智能实验室） ； Telenor Research（Telenor研究） 纠错

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

AI总结 本文提出了一种简单有效的个性化联邦学习框架pFedLIA，通过使用计算效率高的影响近似方法'Lazy Influence'，在分布式 manner 中对客户端进行聚类，从而在模型聚合前协同训练模型以捕捉客户端特定的数据模式，实验证明其在非iid数据集上能有效恢复全局模型性能，并在多个基准任务中优于现有基线方法。

Comments Accepted at the International Joint Conference on Neural Networks (IJCNN), IEEE, 2025

Federated SPARQL querying for genomic variant functional annotation

用于基因组变异功能注释的联邦SPARQL查询

Alexandrina Bodrug-Schepers, Romain Bourcier, Richard Redon, Alban Gaignard

专题命中 医学数据与评测 ：biomedical(abstract)；分类 q-bio

AI总结 提出使用联邦SPARQL查询对基因组变异进行功能注释，避免公共数据复制，同时保持数据在本地并符合FAIR原则。

Comments European Semantic Web Conference 2026, European Semantic Web Conference 2026 Organising Committee, May 2026, Dubrovnik, Croatia

Causal Scaffolding for Physical Reasoning: A Benchmark for Causally-Informed Physical World Understanding in VLMs

物理推理的因果支架：面向视觉语言模型中因果启发的物理世界理解基准

Tianyi Tang, Zhuoyi Lin, Zeyu Feng, Tianyi Ma, Yew-Soon Ong, Ivor Tsang, Haiyan Yin

机构 * CFAR（因果推理研究所） ； IHPC（信息技术研究所） ； Agency for Science, Technology and Research (A*STAR)（科技研究局） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 提出CausalPhys基准（含3000+视频/图像问题及因果图），并设计因果图度量评估VLM推理，进一步提出因果理性微调（CRFT）提升推理准确性与可解释性。

Comments Accepted by KDD 2026 Dataset and Benchmark Track

IOCC: Aligning Semantic and Cluster Centers for Few-shot Short Text Clustering

IOCC: 语义与聚类中心对齐的少样本短文本聚类

Zhihao Yao

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本文提出IOCC方法，通过交互增强最优传输和中心感知对比学习模块，实现语义中心与聚类中心对齐，提升短文本聚类性能。

Comments arXiv admin comment: This version has been removed by arXiv administrators as the submitter did not have the rights to agree to the license at the time of submission