医学 AI

Towards a more realistic evaluation of machine learning models for bearing fault diagnosis

迈向更现实的机器学习模型在轴承故障诊断中的评估

João Paulo Vieira, Victor Afonso Bauler, Rodrigo Kobashikawa Rosa, Danilo Silva

机构 * Department of Electrical and Electronic Engineering, Federal University of Santa Catarina（电气与电子工程系，圣卡塔琳娜联邦大学） ； Department of Mechanical Engineering, Federal University of Santa Catarina（机械工程系，圣卡塔琳娜联邦大学） 纠错

专题命中 医学数据与评测 ：diagnosis(title,abstract)；分类 cs.LG、eess.SP

AI总结 本文探讨了振动基轴承故障诊断中数据泄漏问题，提出无泄漏评估方法，改进分类任务为多标签问题，并通过四个数据集验证了方法对提升工业故障诊断系统可靠性的重要性。

Comments To appear in Mechanical Systems and Signal Processing

Journal ref Mechanical Systems and Signal Processing, Volume 258, 2026, 114640

Can LLMs Really Recover Microservice Failures? A Recovery-Aware Evaluation of Diagnosis-to-Action Reasoning

大语言模型真的能恢复微服务故障吗？对诊断到行动推理的恢复感知评估

Jiaxing Qi, Zhongzhi Luan, Hongyu Zhang, Shaohan Huang, Carol Fung, Yongxin Tong, Hailong Yang, Depei Qian

专题命中 医学数据与评测 ：diagnosis(title,abstract)

AI总结 研究大语言模型在云原生微服务系统中恢复故障的能力，提出R2Act框架，定义相关内容并实例化为基准数据集，评估多种方法，发现恢复失败多因难以将诊断证据转化为有效恢复行动。

Batch effects can impair federated learning in multi-center omics studies

批次效应可能会损害多中心组学研究中的联邦学习

Yuliya Burankova, Julian Klemm, Jens J. G. Lohmann, Anne Hartebrodt, Ahmad Taheri, Niklas Probul, Jan Baumbach, Olga Zolotareva

机构 * Institute for Computational Systems Biomedicine, University of Hamburg（汉堡大学计算系统生物医学研究所） ； Chair of Proteomics and Bioanalytics, TUM School of Life Sciences, Technical University of Munich（慕尼黑技术大学生命科学学院蛋白质组学与生物分析系） ； Department of Mathematics and Computer Science, University of Southern Denmark（丹麦南部大学数学与计算机科学系） ； Biomedical Network Science Lab, Department Artificial Intelligence in Biomedical Engineering, Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔兰根-纽伦堡大学生物医学网络科学实验室） ； Data Science in Systems Biology, TUM School of Life Sciences, Technical University of Munich（慕尼黑技术大学生命科学学院系统生物学数据科学） ； Institute of Clinical Molecular Biology (IKMB), Kiel University and University Medical Center Schleswig-Holstein（基尔大学与石勒苏益格-荷尔斯泰因大学医学中心临床分子生物学研究所） 纠错

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

AI总结 研究多中心组学研究中未校正批次效应影响联邦学习的问题，用四个数据集和两种算法评估，结果表明需校正，还介绍fedRBE实现隐私保护批次效应校正。

Comments The first two authors listed are joint first authors. The last two authors listed are joint last authors. 19 pages, 4 figures, 1 table, supplementary information

FedSPM: Routing-Enabled Federated Learning under Dual Heterogeneity via Semiparametric Mixture

FedSPM：通过半参数混合在双重异质性下实现支持路由的联邦学习

Zijian Wang, Pengfei Li, Guangyu Yang, Qiong Zhang

机构 * Institute of Statistics and Big Data, Renmin University of China（中国人民大学统计与大数据研究院） ； Department of Statistics and Actuarial Science, University of Waterloo（滑铁卢大学统计与精算科学系） 纠错

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

AI总结 针对路由预测联邦学习中未考虑客户端内潜在亚群致双重异质性影响路由和预测的问题，提出FedSPM框架，用特定客户端潜在组件表示客户端，结合分类预测与路由特征分布，开发算法并证明收敛，实验验证其有效性。

Trajectory-Aware Information Matching for Multi-Step Gradient Inversion in Federated Learning

联邦学习中用于多步梯度反演的轨迹感知信息匹配

Li Xia, Jing Yu, Zheng Liu, Sili Huang, Wei Tang, Xuan Liu

机构 * Key Laboratory of Ethnic Language Intelligent Analysis and Security Governance of MOE, Minzu University of China（民族语言智能分析与安全治理教育部重点实验室，中央民族大学） 纠错

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

AI总结 针对联邦学习梯度反演攻击问题，提出NL-SME方法，通过构建可学习非线性替代轨迹近似隐藏局部状态，整合轨迹级信息与校准梯度匹配，提升多步梯度反演性能，揭示隐私泄漏风险。

Comments 13 pages, 6 figures, 12 tables

EvoAgentBench: Benchmarking Agent Self-Evolution via Ability Transfer

EvoAgentBench：通过能力迁移评测智能体自进化的基准平台

Xingze Gao, Chuanrui Hu, Hongda Chen, Pengfei Yao, Zhao Wang, Yi Bai, Zhengwei Wu, Yunyun Han, Xiaofeng Cong, Jie Gui, Yafeng Deng, Teng Li

机构 * Anhui University（安徽大学） ； EverMind, Shanda Group（盛趣游戏灵眸智能科技） ； Southeast University（东南大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 针对现有评测无法分离大语言模型智能体程序性经验迁移的问题，提出跨四领域的EvoAgentBench基准，可将自进化评测转为对经验编码、路由与吸收的细粒度诊断。

Comments 15 pages, 2 figures, 8 tables

From Multiplicity to Vulnerability: Privacy Amplification Risk from One-Dataset-Multiple-Model Exposure

从多重性到脆弱性：单数据集多模型暴露带来的隐私放大风险

Qirui Huang, Na Li, Hongsheng Hu, Zhi Zhang, Anmin Fu, Yansong Gao

专题命中 医学数据与评测 ：medical image(abstract)

AI总结 研究单数据集多模型范式的隐私风险，建立理论框架证明隐私泄漏会累积，提出PRIME利用成员推理攻击评估风险并量化泄漏，设计机制和元分类器推断样本成员状态，揭示该范式严重危害隐私。

Toward Trustworthy Large Language Model Agents in Healthcare

迈向医疗保健领域值得信赖的大语言模型智能体

Hadi Hasan, Safaa Salman, Adam Tai Abou Dargham, Ammar Mohanna, Ali Chehab

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 针对医疗预约调度瓶颈，提出CareConnect智能体，利用大语言模型函数调用等技术，协调工具支持预约操作，设安全护栏。经评估有高任务完成率、安全合规性及成本效益，能自动化复杂医疗工作流程。

Optimizing Large Language Models for Causality Assessment in Pharmacovigilance: Developing a Performance Metric as Objective for Bayesian Hyperparameter Optimization

优化用于药物警戒中因果关系评估的大语言模型：开发一种性能指标作为贝叶斯超参数优化的目标

Nicole Sonne Heckmann, Arnault-Quentin Vermillet, Søren Norlin Mølgaard, Manuela Del Castillo Suero, Lars Melskens, Gerard Ompad, Maurizio Sessa

机构 * Department of Drug Design and Pharmacology, University of Copenhagen（哥本哈根大学药物设计与药理学系） ； Safety Operations, Novo Nordisk（诺和制药安全运营部） ； Clinical Development Centre Denmark, Novo Nordisk（丹麦临床开发中心，诺和制药） ； Statistical Data Science Lead, Pfizer（辉瑞统计数据科学负责人） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 研究针对药物警戒中因果关系评估优化大语言模型，开发高斯过程兼容的优化目标，用链思维提示评估GPT-5.2，通过贝叶斯优化研究温度优化效果，EWACS指标优化提升了因果关系分类一致性。