Beyond Prediction: Longitudinal Reasoning in EHR-Integrated Clinical AI
超越预测：EHR集成临床AI中的纵向推理
专题命中 临床大模型 ：clinical AI(title,abstract)
AI总结 本文分析当代临床AI系统如何集成电子健康记录数据及其支持纵向临床推理的程度，提出编码框架，发现系统主要基于单次就诊或聚合表示，缺乏跨时间推理，并建议未来系统应更符合临床实践的时间与解释结构。
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. 临床大模型 2 篇
Principled Uncertainty in Clinical AI: End-to-End Bayesian Modelling and Algorithmic Equity Auditing Across Multimodal Patient Data
临床AI中的原则性不确定性：跨多模态患者数据的端到端贝叶斯建模与算法公平审计
专题命中 临床大模型 ：clinical AI(title)
AI总结 提出端到端贝叶斯不确定性建模框架，结合校准不确定性作为公平性度量，在模拟患者数据中识别出初级/农村设施和低社会经济地位患者的认知不确定性公平差距。
2. 诊断辅助 18 篇
A dual-system approach for epilepsy diagnosis: integrating mamba-Bi-LSTM architecture with SHAP-based verification
一种双系统癫痫诊断方法：融合Mamba-Bi-LSTM架构与基于SHAP的验证
专题命中 诊断辅助 ：diagnosis(title,abstract)；medical AI(abstract)；分类 eess.SP；biomedical(journal_ref)
AI总结 提出双系统智能诊断框架，主判别系统结合Mamba与Bi-LSTM实现高精度，验证系统通过SHAP提供可解释性，准确率从92.6%提升至98.7%。
Comments 18 pages, 11 figures, 16 tables
Journal ref Biomedical Engineering Advances 11 (2026) 100218
Vision-Based Early Fault Diagnosis and Self-Recovery for Strawberry Harvesting Robots
基于视觉的草莓采摘机器人早期故障诊断与自恢复
机构 * NERCITA
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 针对草莓采摘机器人视觉感知差、夹爪错位、空抓/误抓和滑落等问题，提出视觉故障诊断与自恢复框架，通过SRR-Net统一感知、相对误差补偿、微光学相机反馈及LSTM滑落预测，实现高精度定位与故障恢复。
Comments Accepted by Artificial Intelligence in Agriculture
A Unified LLM-Adaptable Framework for Cold-Start Cognitive Diagnosis
面向冷启动认知诊断的统一LLM可适配框架
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 提出LMCD框架，通过知识扩散和语义-认知融合两阶段，利用大语言模型增强冷启动场景下的认知诊断性能。
Comments Under review
Batch Effects In Brain Foundation Model Embeddings
脑基础模型嵌入中的批次效应
专题命中 诊断辅助 ：diagnosis(abstract)；biomedical(abstract)；分类 eess.SP
AI总结 研究评估了两个脑影像基础模型在多中心fMRI数据集中的嵌入表现，发现嵌入编码了显著的批次相关变异，并探讨了和谐化对嵌入的影响，揭示了不同模型对区域活动和区域交互的偏好。
LargeMonitor: Monitoring Online Task-Free Continual Learning via Large Pretrained Models
LargeMonitor: 通过大型预训练模型监控在线无任务持续学习
机构 * HKU（香港大学） ； Qicore Tech（启科科技）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 提出LargeMonitor框架，利用大型预训练模型（LVM和LMM）解耦检测与诊断，实现无任务持续学习中的零样本漂移检测和语义病因诊断，提升现有算法性能。
Teacher-Free Self-Training Amplifies but Does Not Compound: A Pass@$K$ Crossover on a Free-Verifier Domain
无教师自训练放大但不复合：自由验证器域上的 Pass@$K$ 交叉
机构 * Federal University of Rio de Janeiro（里约热内卢联邦大学）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 在自由验证器域上，使用无教师自训练（STaR）和批评者指导的选择，发现自训练放大模型能力但不复合，通过 Pass@$K$ 交叉诊断证实。
SDM-Q: Cost-Aware Staged Decision-Making for Multi-Omics Classification with Deep Q-Learning
SDM-Q: 基于深度Q学习的成本感知分阶段决策用于多组学分类
机构 * College of Computer Science, Sichuan Normal University（四川师范大学计算机学院） ； Department of Mathematics, College of Science and Mathematics, Kennesaw State University（数学系，科学与数学学院，肯纳邦克州立大学） ； Department of Computer Science, College of Computing and Software Engineering, Kennesaw State University（计算机科学系，计算与软件工程学院，肯纳邦克州立大学）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 提出SDM-Q强化学习框架，将多组学诊断建模为有限步序贯决策问题，通过动作价值函数平衡分类正确性与模态获取成本，在四个公共数据集上有效减少冗余模态获取并保持竞争性分类性能。
Capacity-Controlled Global Attention for Graph Transformers
具有容量控制的全局注意力用于图变换器
机构 * Brain Investing Limited ； The University of Hong Kong（香港大学） ； Stellaris AI Limited
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 本文提出SigGate-GT，通过在图变换器中引入可学习的sigmoid门来缓解全局注意力的保守约束，从而解决过平滑、低秩瓶颈和训练不稳定等问题，提升了多个基准测试的性能。
Comments 13 pages, 2 figures, 15 tables
The Degeneracy of the Centre Comonad Model and the Precomposition Obstruction for Quantum Modalities on Presheaf Topoi
中心余单子模型的退化性与预层拓扑上量子模态的预复合障碍
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文证明中心余单子模型将非交换代数映射为空预层，导致线性逻辑退化为经典笛卡尔逻辑，并指出预复合余单子必然产生这种退化，因此非退化量子模态必须避免预复合构造。
Comments 9 pages
Benchmarking Deep Time Series Models for Equity Portfolios
深度时间序列模型在股票组合中的基准测试
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 构建2018-2024年CRSP日频股票基准，结合多准则可接受性分析与约束投资组合层，评估15种深度和统计时间序列架构，发现无模型占优，TransEnc-8排名第一可接受性0.352。
Comments 51 pages, 28 figures, 43 tables; includes appendices
Understanding How Enterprises Adopt the Model Context Protocol for LLM-Driven Software Engineering
理解企业如何采用模型上下文协议进行基于LLM的软件工程
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 通过对20名从业者的访谈，研究企业采用模型上下文协议（MCP）的现状，发现MCP支持跨系统协作和任务解耦，但面临生态系统碎片化、协调困难等问题，并提出标准化和低代码等改进需求。
Comments 12pages, preliminary version accepted at the 26th International Conference on Quality, Reliability, and Security (QRS 2026)
Artificial Intelligence for Instability in Inorganic Perovskites: From Mechanism Discovery to Engineering Strategies
无机钙钛矿不稳定性的人工智能：从机理发现到工程策略
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文综述了人工智能在三维全无机卤化物钙钛矿CsPbX3不稳定性研究中的应用，涵盖稳定性判别、微观机制分析、可靠性建模及工程增强，并讨论了数据质量、可解释性等挑战与未来方向。
Comments 6 figures
REFLECT: Intervention-Supported Error Attribution for Silent Failures in LLM Agent Traces
REFLECT: 针对LLM智能体轨迹中静默失败的干预支持错误归因
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 提出REFLECT方法，通过诊断候选错误步骤、使用诊断特定补丁进行受控重放测试，并利用验证结果作为对比证据来细化归因，在四个基准上取得最高定位准确率。
Strong Likelihood Principle: Strengthening a Principle or Misunderstanding the Likelihood Function
强似然原理：强化原理还是误解似然函数
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文重新审视强似然原理，指出其源于对似然函数定义域的混淆，通过二项分布与负二项分布族的比较及Fisher信息度量几何结构，论证强似然原理退化为弱似然原理。
Comments 15 pages, 3 figures
PACT: Learning Diverse Diagnostic Strategies via Privileged Synthesis and Branch Consensus
PACT: 通过特权合成与分支共识学习多样化诊断策略
机构 * Beihang University（北京航空航天大学） ； Baidu（百度） ； ByteDance（字节跳动） ； Beijing Academy of Blockchain and Edge Computing（北京区块链与边缘计算研究院） ； Renmin University of China（中国人民大学）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 提出PACT框架，通过特权合成对话数据和多分支共识训练，使LLM同时学习多种诊断推理范式，在中文医疗诊断基准上取得最优性能。
Comments 16 pages, 5 figures, 5 tables
Auditable Graph-Guided Root Cause Analysis for Kubernetes Incidents
可审计的图引导的Kubernetes事件根因分析
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 提出Graph Traversal Agent，结合LLM推理与确定性图操作，通过类型化证据图、有界搜索和独立验证实现可审计的根因分析，在ITBench上F1从0.6087提升至0.9130。
Comments 8 pages, 1 figure. Preprint
Clinical Reasoning in the Age of AI: Longitudinal Cognition and Human-AI Collaboration
人工智能时代的临床推理：纵向认知与人机协作
专题命中 诊断辅助 ：medical AI(abstract)
AI总结 本研究通过混合方法揭示临床推理的纵向结构，发现当前AI系统主要支持单次就诊任务，与医生多就诊的推理过程存在关键不匹配，为设计更符合真实临床推理的AI系统提供方向。
Agentic multi-fidelity learning of quasiparticle and excitonic properties
准粒子和激子性质的智能多保真学习
机构 * Theoretical Division, Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室理论部） ； Center for Integrated Nanotechnologies, Materials Physics and Applications Division, Los Alamos National Laboratory（集成纳米技术中心，材料物理与应用部，洛斯阿拉莫斯国家实验室）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 提出智能引导的多保真框架，通过置信度加权和少量高精度参考点，结合机器学习校正GW-BSE计算中的数值不稳定性，准确预测应变MoS2-WS2双层中的准粒子带隙和激子结合能。
3. 病理影像 8 篇
SlideCheck: Guiding Self-Supervised Pretraining of Pathology Foundation Models via Dataset Distributions
SlideCheck: 通过数据集分布引导病理基础模型的自监督预训练
机构 * Beijing University of Chemical Technology（北京化工大学） ； South China Normal University（华南师范大学） ； Tsinghua University（清华大学）
专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV
AI总结 提出SlideCheck工具，利用冻结病理基础模型的特征，通过双头MLP评分异常和恶性证据，引导自监督预训练数据筛选，实验表明数据分布影响模型下游性能。
Comments 9 pages, 2 figures, 4 tables
PathoSage: Towards Multi-Source Evidence Adjudication in Pathology via Experience-Aware Agentic Workflow
PathoSage：通过经验感知的代理工作流实现病理学多源证据裁决
机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院） ； Department of Pathology and Institute of Clinical Pathology, West China Hospital, Sichuan University（四川大学华西医院病理科/临床病理研究所） ； Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学系） ； School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能工程学院）
专题命中 病理影像 ：pathology(title,abstract)
AI总结 提出PathoSage框架，通过结构化证据审议和Beta-Bernoulli经验系统，独立评估工具证据并解决冲突，减少幻觉和分类器分歧，提升病理学推理鲁棒性。
GD-MIL: Grade-Disentangled Multiple Instance Learning for Multimodal Biochemical Recurrence Prediction in Prostate Cancer
GD-MIL：用于前列腺癌多模态生化复发预测的等级解耦多实例学习
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 病理影像 ：pathology(abstract)；分类 cs.CV
AI总结 针对前列腺癌生化复发预测，提出GD-MIL方法，通过梯度反转等级对抗训练实现H&E全切片图像特征与Gleason等级解耦，融合临床变量后C-index达0.704，显著优于临床基线。
Stain-Aware Wavelet Regularization for Instant Adversarial Purification in Histopathology
染色感知的小波正则化用于组织病理学中的即时对抗净化
机构 * FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）
专题命中 病理影像 ：pathology(abstract)；分类 cs.CV
AI总结 提出染色感知小波正则化（SAWR），利用Haar变换的多级小波域正则化分层分离对抗扰动与诊断结构信息，并扩展到组织学通道实现染色特异性频率调节，在即时净化框架中将对抗鲁棒性提升高达10.69%。
Comments 14 pages, 4 figures
One Stone, Three Birds: Self-adaptive Optimal Transport for Multi-VLM Selection, Adaptation, and Ensembling
一石三鸟：面向多VLM选择、自适应与集成的自适应最优传输
机构 * Xi’an Jiaotong University（西安交通大学） ； Yunnan Normal University（云南师范大学） ； Xidian University（西安电子科技大学） ； Kunming University of Science and Technology（昆明理工大学）
专题命中 病理影像 ：pathology(abstract)；分类 cs.CV
AI总结 提出无训练框架OSTB，通过自适应最优传输估计共识样本-类别结构，同时解决多VLM的模型选择、目标域自适应和预测集成问题。
All-in-One Augmented Reality Guided Head and Neck Tumor Resection
一体化增强现实引导的头颈部肿瘤切除
机构 * Vanderbilt Institute for Surgery and Engineering（范德比尔特手术与工程研究院） ； Vanderbilt University Medical Center（范德比尔特大学医学院）
专题命中 病理影像 ：pathology(abstract)；分类 cs.CV
AI总结 本文提出了一种整合增强现实技术的系统，用于在手术中精确定位肿瘤边缘，通过HoloLens 2的深度感应和自动标记less表面配准，显著提高了手术精度。
Spatial navigation in preclinical Alzheimer's disease: A review
阿尔茨海默病前期阶段的空间导航：综述
专题命中 病理影像 ：pathology(abstract)；分类 q-bio
AI总结 本文综述了阿尔茨海默病前期阶段空间导航的认知功能，探讨其与AD病理标志物如p-tau的相关性，提出空间导航任务作为早期检测高风险个体的敏感方法。
Compact Optical-Resolution Photoacoustic Microscopy System with Reflective Objective-Based Transducer Integration
紧凑型光学分辨率光声显微镜系统：基于反射物镜的换能器集成
专题命中 病理影像 ：biomedical(abstract)
AI总结 提出一种紧凑型光学分辨率光声显微镜系统，通过反射物镜将大面积PVDF换能器集成于光学遮挡区，实现高光学性能与声检测效率，并验证了对黑色素的无标记成像能力。
4. 医疗多模态 2 篇
CURE: Curriculum-guided Multi-task Training for Reliable Anatomy Grounded Report Generation
CURE：基于课程引导的多任务训练实现可靠的解剖学接地报告生成
机构 * Pontificia Universidad Católica de Chile（智利天主教大学） ； CENIA ； iHEALTH ； KAUST（科威特皇家科学与技术局）
专题命中 医疗多模态 ：radiology(abstract)；分类 cs.CV、cs.LG
AI总结 提出CURE框架，通过课程学习动态调整多任务训练，提升医学报告生成的视觉接地准确性和事实一致性，无需额外数据。
Comments 31 pages, 7 figures, accepted to CVPR 2026 (oral)
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 36279-36289
NeuroAlign: Hierarchical Multimodal Fusion of Dynamic and Structural Neuroimaging for MCI Analysis
NeuroAlign: 用于MCI分析的动态与结构性神经影像的分层多模态融合
机构 * Department of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） ； School of Intelligence Science and Engineering, College of Artificial Intelligence, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）人工智能学院智能科学与工程学院） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Guangdong Key Laboratory of Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Shenzhen University Medical School, Shenzhen University（深圳大学医学部生物医学工程学院广东省生物医学测量与超声成像重点实验室） ； Department of Radiology, The People’s Hospital of Guangxi Zhuang Autonomous Region, Guangxi Academy of Medical Sciences（广西壮族自治区人民医院放射科，广西医学科学院） ； Shenzhen Sixth People’s Hospital (Nanshan Hospital), Huazhong University of Science and Technology Union Shenzhen Hospital（华中科技大学协和深圳医院（深圳市第六人民医院）） ； School of Basic Medical Sciences, Shenzhen University（深圳大学基础医学院） ； Egypt-Japan University of Science and Technology (E-JUST)（埃及日本科技大学） ； School of Biomedical Engineering, National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, Shenzhen University Medical School（深圳大学医学部生物医学工程学院，国家地方联合医学超声关键技术工程实验室，广东省生物医学测量与超声成像重点实验室）
专题命中 医疗多模态 ：MRI(abstract)；分类 cs.CV
AI总结 提出NeuroAlign框架，通过双模态分层对齐和双域分层交互融合fMRI与DTI特征，实现MCI/SCD检测，并设计无梯度归因方法SAM进行特征分析。
