医学 AI

WING: A Window-Prior-Based Generative Network with Gated Inception for Cross-Modality CT Synthesis

WING：一种基于窗口先验的带门控inception的生成网络用于跨模态CT合成

Siyuan Mei, Yan Xia, Yipeng Sun, Siming Bayer, Zirong Li, Chengze Ye, Daiqi Liu, Fuxin Fan, Yixing Huang, Andreas Maier

机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg（模式识别实验室，埃尔朗根-纽伦堡弗里德里希-亚历山大大学） ； Department of Orthodontics and Orofacial Orthopaedics, Friedrich-Alexander-Universität Erlangen-Nürnberg（正畸与口腔颌面正畸科，埃尔朗根-纽伦堡弗里德里希-亚历山大大学） ； Siemens Healthineers（西门子医疗） ； Institute of Medical Technology, Peking University（北京大学医学技术研究所） 纠错

专题命中 医学影像 ：CT(title,title_cn)；MRI(summary_cn,abstract)；分类 cs.CV

AI总结 研究旨在从MRI和CBCT生成CT体积改善放疗计划。核心方法是将回归目标重构成窗口表示，引入WING网络，含门控inception生成器、融合与细化变压器及联合对抗训练目标。主要贡献是在相关基准上达最优性能且支持单模型多解剖合成。

CONFLUX: A Latent Diffusion Model for 3D Chest-CT Synthesis with RL Post-Training

CONFLUX：一种用于3D胸部CT合成的潜在扩散模型及强化学习后训练

Max Van Puyvelde, Halil Ibrahim Gulluk, Wim Van Criekinge, Olivier Gevaert

机构 * Department of Biomedical Data Science, Stanford University School of Medicine（斯坦福大学医学院生物医学数据科学系） ； Department of Mathematical Modelling, Statistics & Bioinformatics, Ghent University（根特大学数学建模、统计与生物信息学系） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） 纠错

专题命中 医学影像 ：CT(title,title_cn)；medical image(abstract)；分类 cs.CV、cs.LG

AI总结 提出CONFLUX潜在扩散模型用于胸部CT合成，由3D变分自编码器和整流流变压器构成，基于放射学元数据生成，通过强化学习后训练增强对临床属性控制，在三平面弗雷歇距离上领先并发布模型与数据集。

PhyMRI-SR: Toward Physics-Aware MRI Image Super-Resolution

PhyMRI-SR：迈向基于物理感知的MRI图像超分辨率

Lihua Wei, Huatong Gao, Jia Gong, Zhiyu Tan, Hao Li, Jun Liu, Zhihua Ren

机构 * School of Biomedical Engineering, ShanghaiTech University（上海科技大学生物医学工程学院） ； Shanghai Academy of AI for Science（上海人工智能研究院） ； Fudan University（复旦大学） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算与通信学院） ； School of Biomedical Engineering & State Key Laboratory of Advanced Medical Materials and Devices, ShanghaiTech University（上海科技大学生物医学工程学院与先进医学材料与器械国家重点实验室） ； Shanghai Clinical Research and Trial Center（上海临床研究与试验中心） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV

AI总结 研究旨在解决MRI图像超分辨率问题，将其视为物理感知重建问题。核心方法是采用2D高斯点渲染并引入三项创新，包括先验感知高斯表示、物理约束信号建模和元学习框架。主要贡献是在动态分辨率数据集和标准基准上实现领先性能，有临床部署潜力。

Comments Project Page: https://bio-med-i2-lab.github.io/projects/PhyMRI-SR

UniField: A Unified Field-Aware MRI Enhancement Framework

UniField: 一种统一的场感知MRI增强框架

Yiyang Lin, Chenhui Wang, Zhihao Peng, Yixuan Yuan

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV

AI总结 UniField通过整合多模态和增强任务，利用共享退化特性提升MRI增强性能，提出场感知频谱校正机制并公开大规模多场MRI数据集。

Harrison.Rad 1.5 Technical Report: A radiology foundation model that can draft reports from images, priors and clinical context

哈里森.Rad 1.5技术报告：一种可根据图像、先验知识和临床背景起草报告的放射学基础模型

Suneeta Mall, Vladimir Nekrasov, Ashnil Kumar, Sajith Karunasena, Aiden Nibali, Alix Bird, Mateo Diaz Shine, Jarrel Seah

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

AI总结 研究针对放射科报告积压问题，提出HR1.5多模态大语言模型，通过三阶段训练，用特定评分框架评估，该模型是唯一达模拟FRCR及格标准的系统，在多方面准确率最高，还研究了可解释性等以支持临床应用评估。

Decoupled Single-Mask Annotation Noise Detection via Cross-Sectional Patch Self-Consistency

通过横截面补丁自一致性进行解耦单掩码注释噪声检测

Yinheng Zhu, Xiaowei Xu

机构 * Tsinghua University（清华大学） ； Guangdong Provincial People’s Hospital（广东省人民医院） 纠错

专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV

AI总结 研究血管CT数据集单掩码注释噪声问题，提出利用横截面补丁自一致性的解耦框架检测噪声，通过采样、检索邻居及计算分数产生证据和质量图，实验验证其能提高训练鲁棒性并揭示注释偏差。

Comments 13 pages, 6 figures. Accepted by MICCAI 2026

Self-Supervised Implicit CEST Reconstruction via Physics-Informed Lorentz Encoding

通过物理信息洛伦兹编码实现自监督隐式CEST重建

Dexuan Li, Yupeng Wu, Chenglong Wang, Hanlin Liu, Hui Zhen, Jianqi Li, Guang Yang

专题命中 医学影像 ：MRI(summary_cn,abstract)；分类 cs.LG

AI总结 针对多池CEST MRI采集时间长、有限数据重建高分辨率Z谱难的问题，提出物理信息洛伦兹编码（LE），将CEST重建作为自监督任务，通过隐式连续坐标学习实现，实验证明其优于现有方法，能确保准确的定量代谢物映射。

Comments 10 pages, 5 figures, Accepted by MICCAI 2026

Volumetric Directional Diffusion: Anchoring Uncertainty Quantification in Anatomical Consensus for Ambiguous Medical Image Segmentation

体积方向扩散：在模糊医学图像分割的解剖学共识中锚定不确定性量化

Chao Wu, Mahesh Bhosale, Kangxian Xie, Pouya Karimian, David Doermann, Mingchen Gao

机构 * Department of Computer Science and Engineering University at Buffalo, SUNY Buffalo, NY, USA（计算机科学与工程系，布法罗大学，纽约州，布法罗，美国） 纠错

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

AI总结 针对模糊医学图像分割中不同专家边界描绘有差异的问题，提出体积方向扩散（VDD）框架，以粗略共识预测为锚点，学习方向扩散过程生成边界变化，实验表明该方法能在保持精度和结构一致性时改善不确定性分布对齐。

Reduced NEXI protocol for the quantification of human gray matter microstructure on the Connectome 2.0 scanner

用于Connectome 2.0扫描仪中人类灰质微结构量化的一种简化NEXI协议

Quentin Uhl, Tommaso Pavan, Julianna Gerold, Kwok-Shing Chan, Yohan Jun, Shohei Fujita, Aneri Bhatt, Yixin Ma, Qiaochu Wang, Hong-Hsi Lee, Susie Y. Huang, Berkin Bilgic, Ileana Jelescu

机构 * Lausanne University Hospital (CHUV) and University of Lausanne（拉沃斯大学医院（CHUV）和拉沃斯大学） ； Massachusetts General Hospital（麻省总医院） ； Athinoula A. Martinos Center for Biomedical Imaging（阿提诺拉A.马丁诺斯生物医学成像中心） 纠错

专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV、cs.LG、eess.IV

AI总结 本文提出一种简化NEXI协议，利用可解释AI框架减少扫描时间，验证了其在体内的有效性，并展示了其在微结构映射中的优势。

Comments Submitted to Imaging Neuroscience. This all-in-one version includes supplementary materials. 34 pages, 145 figures, 4 tables

TMF-RSE: Tri-Modal Fusion with Regional Semantics and Evidential Uncertainty for Lung Severity Scoring

TMF-RSE：用于肺部严重程度评分的具有区域语义和证据不确定性的三模态融合

Fadi Abdeladhim Zidi, Salah Eddine Bekhouche, Abdellah Zakaria Sellam, Gaby Maroun, Fadi Dornaika, Cosimo Distante

机构 * Institute of Applied Sciences and Intelligent Systems (ISASI), CNR（应用科学与智能系统研究所（ISASI），CNR） ； Department of Computer Science and Artificial Intelligence, University of the Basque Country (UPV/EHU)（巴斯克国家大学计算机科学与人工智能系） ； University of Salento（萨莱nton大学） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)；分类 cs.CV、eess.IV

AI总结 针对从胸部影像量化肺部疾病严重程度的问题，提出TMF-RSE框架，结合多模态特征，采用互补融合机制和证据回归，在相关数据集实验中性能优于基于Transformer的基线。

Comments 6 pages, 2 figures, 5 tables. IEEE conference format (IEEEtran). Submitted to AVSS 2026. Tri-modal fusion for lung severity scoring using appearance, segmentation, and VLM semantics with evidential uncertainty

Shape Over Intensity: Directional Topological Encoding for False Positive Reduction in Intracranial Aneurysm Detection

面向动脉瘤与分叉检测的拓扑形状表示方法

Akshay Gokhale, Mansi Dhamne

机构 * Sardar Patel Institute of Technology（萨达尔·帕特尔技术学院） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)；分类 cs.CV、cs.LG

AI总结 针对颅内动脉瘤CTA检测假阳性高、小病灶灵敏度低的问题，提出即插即用拓扑感知框架，采用SECT表征血管几何，大幅提升小动脉瘤检测性能与跨设备泛化性。

Comments 36 pages, 12 figures, preprint

A Quadratic Vertex Threshold for Isolated Cliques in the Minimum Degree Kruskal-Katona Problem for 3-Uniform Hypergraphs

3-均匀超图最小度克鲁斯卡尔-卡托纳问题中孤立团的二次顶点阈值

Haorui Liu, Mei Lu, Yi Zhang

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究3-均匀超图最小度克鲁斯卡尔-卡托纳问题，通过图变换正则化邻域结构，将问题简化为计数论证，证明对足够大的\(t\)，当\(|X|\)满足一定条件时，极值超图含\(K_{t + 1}^3\)孤立副本，给出二次阶阈值。

Comments 27 pages

Label Hierarchy Transition: Delving into Class Hierarchies to Enhance Deep Classifiers

标签层次转换：深入研究类层次结构以增强深度分类器

Renzhen Wang, De cai, Kaiwen Xiao, Xixi Jia, Xiao Han, Deyu Meng

机构 * School of Mathematics and Statistics and Ministry of Education Key Lab of Intelligent Networks and Network Security, Xi’an Jiaotong University（数学与统计学学院和教育部智能网络与网络安全重点实验室，西安交通大学） ； Tencent AI Lab（腾讯AI实验室） ； ByteDance（字节跳动） ； SINGPATH AI Lab, SingPath Medical Technology Pte. Ltd.（SingPath AI实验室，SingPath医疗科技私人有限公司） ； School of Mathematics and Statistics, Xidian University（数学与统计学学院，西安电子科技大学） ； College of Biomedical Engineering, Sichuan University（生物医学工程学院，四川大学） ； School of Mathematics and Statistics, Ministry of Education Key Lab of Intelligent Networks and Network Security, Xi’an Jiaotong University（数学与统计学学院和教育部智能网络与网络安全重点实验室，西安交通大学） ； Macao Institute of Systems Engineering, Macau University of Science and Technology（澳门系统工程研究院，澳门科技大学） 纠错

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

AI总结 研究针对层次分类中现有方法未充分利用类别相关性的问题，提出基于深度学习的LHT统一概率框架，由转换网络和混淆损失构成，实验证明其优于现有方法，还扩展到皮肤病变诊断任务展现潜力。

OBBSeg: Irregular Lesion Segmentation under Oriented Bounding Box Annotations

OBBSeg：基于有向边界框标注的不规则病变分割

Jun Wei, Xinchang Liu, Yu Liu, Chuhua Yang, Shuhui Wang, Hui Huang

机构 * CSSE, Shenzhen University（深圳大学计算机科学与软件学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

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

AI总结 针对医学图像分割像素级标注瓶颈，提出OBBSeg中间监督范式，由有向边界框引导，联合编码空间范围与方向，引入掩码到OBB损失减轻矩形偏差，通过PAFE和DBFE增强前景表示抑制背景干扰，实验表明其性能优异。

Comments 18 pages, 7 figures. ECCV 2026

Shape Ultrasound with Dynamic Microfluidic Lenses

利用动态微流体透镜实现超声形状控制

Dajun Zhang, Hyunji Shim, Michael Ferolito, Feng Ye, Hongrui Jiang, Chu Ma

专题命中 医学影像 ：biomedical(abstract)

AI总结 研究利用微流体超声透镜系统实现超声场可重构空间调制，通过FPGA控制微泵填充不同液体生成相位模式，集成微流体透镜与单元素换能器展示多种功能，确立了微流体相位调制用于动态超声场控制的优势。

Effective Color Dipole Approach to Color Transparency in $ρ^0$ Electroproduction

有效色偶极方法在\texorpdfstring{$ρ^0$}{rho^0}电产生中的颜色透明度研究

Tae Keun Choi, Kook-Jin Kong, Byung-Geel Yu

专题命中 医学影像 ：CT(abstract)

AI总结 采用多通道末态相互作用框架，结合有效色偶极模型边界条件，研究$^{12}$C和$^{56}$Fe核上$ρ^0$电产生中的核透明度，解释了CLAS数据中$Q^2$依赖的增强现象。

Comments 7 pages, 4 figures

Eigenvalues of Brownian Motions on $\mathrm{GL}(N,\mathbb{C})$

关于\(\mathrm{GL}(N,\mathbb{C})\)上布朗运动的特征值

Tatiana Brailovskaya, Nicholas A. Cook, Todd Kemp, Félix Parraud

专题命中 医学影像 ：CT(abstract_cn)

AI总结 研究\(\mathrm{GL}(N,\mathbb{C})\)上布朗运动特征值，通过一族非退化扩散过程及对小\(t\)时布朗运动的定量逼近，证明其特征值经验法则几乎必然收敛到确定性概率测度，解决了相关猜想。

A Patient Simulation Framework for Risk Assessment of Conversational Healthcare AI: Evaluation of an Antidepressant Decision Aid

通过患者模拟推进AI可信度：对抗抑郁药物选择的对话代理风险评估

Md Tanvir Rouf Shawon, Mohammad Sabik Irbaz, Hadeel R. A. Elyazori, Keerti Reddy Resapu, Yili Lin, Vladimir Franzuela Cardenas, K. Pierre Eklou, Farrokh Alemi, Kevin Lybarger

机构 * George Mason University (GMU)（乔治梅森大学） 纠错

专题命中 临床大模型 ：healthcare AI(title)；clinical AI(abstract)

AI总结 本文提出一个患者模拟器用于评估医疗对话代理的可扩展自动化评估，通过系统变化医疗、语言和行为维度支持风险评估。方法基于NIST AI风险管理框架，整合医疗、语言和行为三种profile，评估AI决策辅助在抗抑郁药物选择中的表现。

X-FEMR: A Token-level Explainable Approach for Electronic Health Records Foundation Models using Transformer-based Models

X-FEMR：一种使用基于Transformer的模型对电子健康记录基础模型进行令牌级可解释的方法

Jie Huang, Pengfei Yin, Zihan Xu, Daniel Capurro, Mike Conway, Ting Dang

机构 * School of Computing and Information Systems, University of Melbourne（墨尔本大学计算与信息系统学院） ； Royal Melbourne Hospital（皇家墨尔本医院） 纠错

专题命中 临床大模型 ：clinical AI(abstract)；分类 cs.LG

AI总结 针对电子健康记录基础模型是黑箱模型的问题，提出基于Transformer的令牌级可解释性方法，训练替代模型近似其行为，识别有影响力令牌，引入临床对齐度量，结果显示该方法能实现可解释且可信的临床人工智能。

Comments Accepted by IJCAI-ECAI 2026 AI and Health Track

NAMD: Virtual Follow-up Computed Tomography Synthesis via Nodule-Aligned Multimodal Diffusion Models for Early Lung Cancer Diagnosis

基于LLM驱动多模态扩散的结节对齐潜在空间学习：用于肺结节进展预测

James Song, Yifan Wang, Chuan Zhou, Liyue Shen

机构 * Department of EECS, University of Michigan（电子工程与计算机科学系，密歇根大学） ； University of Michigan Medical School（密歇根大学医学学院） 纠错

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

AI总结 本文提出NAMD框架，通过生成1年随访CT图像预测肺结节进展，利用结节对齐潜在空间和LLM驱动控制机制，在NLST数据集上实现优于基线和现有方法的性能。

Onnes: A Physics-Grounded Multi-Agent LLM Simulator for Cryogenic Fault Diagnosis in Quantum Computing Infrastructure

昂内斯：用于量子计算基础设施低温故障诊断的基于物理的多智能体大语言模型模拟器

Praneeth Narisetty, Uday Kumar Reddy Kattamanchi, Shiva Nagendra Babu Kore

机构 * Onnes Research（昂内斯研究公司） 纠错

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

AI总结 研究针对量子计算基础设施中稀释制冷机故障诊断问题，提出基于物理的多智能体大语言模型模拟器昂内斯，通过数字孪生模拟结合真实数据与故障类别，经实验对比及优化提升分类准确率，实现对故障的有效监测与诊断。

Comments 18 pages, 14 figures, 10 tables. Code, data, and released run logs: https://github.com/Onnes-Research/onnes

AgentTether: Graph-Guided Diagnosis and Runtime Intervention for Reliable LLM Agent Operation

AgentTether：用于可靠大语言模型代理操作的图引导诊断与运行时干预

Chenyu Zhao, Shenglin Zhang, Wenwei Gu, Yongqian Sun, Dan Pei, Chetan Bansal, Saravan Rajmohan, Minghua Ma

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 研究LLM代理生产可靠性有限问题，提出AgentTether运行时修复框架，通过抽象运行、构建关键转换图等定位故障子轨迹并转换为指导，经实验评估，该框架能提高修复效果，减少资源消耗，为代理部署提供实用可靠性层。

Imagined Rollouts are Kinematic, Not Dynamic: A Diagnosis of Long-Horizon World-Model Failure

想象的展开是运动学的，而非动力学的：对长期世界模型失败的诊断

Finn Rasmus Schäfer, Korbinian Moller, Yuan Gao, Christian Oefinger, Sebastian Schmidt, Johannes Betz

机构 * Autonomous Vehicle Systems Lab（自动驾驶车辆系统实验室） ； Technical University of Munich（慕尼黑技术大学） ； Data Analytics and Machine Learning Group（数据分析与机器学习小组） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 研究针对世界模型长期失败问题，提出用运动学与动力学重新构建的方法，通过想象的运动学一致性误差（iKCE）及扰动协议进行诊断，在DreamerV3检查点实例化，区分了运动学与动力学想象，揭示模型长期失败特征。

Comments 9 Pages Workshop Paper accepted at RSS Robot World Model Workshop 2026

Taxlifier: Leveraging Disease Taxonomy for Enhanced Multi-Label Classification in Chest Radiography

Taxlifier：利用疾病分类法增强胸部X光片的多标签分类

Mohammad S. Majdi, Jeffrey J. Rodriguez

机构 * Dept. of Electrical and Computer Engineering, The University of Arizona（电气与计算机工程系，亚利桑那大学） 纠错

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

AI总结 研究针对胸部X光片多种病变分类难的问题，提出基于损失和逻辑的分层多标签分类技术，利用疾病层次关系应对挑战，经三个数据集评估，相比基线方法，准确率、AUC和F1分数显著提高，还验证了技术的稳健性和可靠性。

Hierarchical Classification via Cascading Feature Elimination: Application to Human Phenotype Ontology-Aligned Facial Phenotyping (FaceMesh2HPO)

通过级联特征消除进行层次分类：在人类表型本体对齐的面部表型分析（FaceMesh2HPO）中的应用

Fabio Hellmann, Alexander Hustinx, Benjamin D. Solomon, GestaltMatcher Database Consortium, Tzung-Chien Hsieh, Peter Krawitz, Elisabeth André

机构 * University of Augsburg（奥格斯堡大学） ； University of Bonn（波恩大学） 纠错

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

AI总结 FaceMesh2HPO框架利用临床医生注释及图像生成3D面部网格，基于PointNet训练含级联分类与特征消除的分层管道，结合多种数据实现面部表型分类，虽有成果但罕见叶节点性能受限，需改进策略增强实用性。

Unsupervised Domain Adaptation for Calcification Classification in Mammography Across Multi-Site Datasets

跨多站点数据集的乳腺钼靶钙化分类的无监督域适应

Xuan Liu, Derek L. Nguyen, Emily C. Barre, Jennifer Thomas, Thomas Lynch, Jeffrey R. Marks, E. Shelley Hwang, Marc D. Ryser, Joseph Y. Lo, Lars J. Grimm

机构 * Duke University（杜克大学） ； Duke University School of Medicine（杜克大学医学院） ； Royal Surrey NHS Foundation Trust（皇家萨里郡国民保健服务信托基金） 纠错

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

AI总结 针对跨多站点数据集的乳腺钼靶钙化分类中域转移问题，提出含无监督域适应和监督分类模块的框架，用风格迁移模型生成训练样本，经多数据集验证，提升了跨站点性能，减少域转移，增强分类泛化能力。

DynaKRAG: A Unified Framework for Learnable Evidence Control in Multi-Hop Retrieval-Augmented Generation

DynaKRAG：多跳检索增强生成中可学习证据控制的统一框架

Yaqi Wu, Xiaolei Guo, Chenyu Zhou, Jiaqi Huang, Xianfa Zhang, Junxu Zhang, Zhuo Yu, Zhubo Shi, Jianghao Lin, Dongdong Ge

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Aircraft Manufacturing Co., Ltd.（上海飞机制造有限公司） ； Tongji University（同济大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究多跳检索增强生成中证据控制问题，提出DynaKRAG框架，将证据获取表述为状态条件控制，通过有效性层和控制器选择操作，实验表明该框架在多个基准测试中表现出色，证明协调检索等操作的益处。

SWE-Review: Closing the Loop on Issue Resolution with Agentic Code Review

SWE-Review：通过智能代码审查解决问题闭环

Ruoyu Wang, Jierun Chen, Shaowei Wang, Chaofan Tao, Sidi Yang, Yuxin Jiang, Kim-Hui Yap, Lifeng Shang, Xiaohui Li, Haoli Bai

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究通过智能代码审查闭合PR生成环的问题，核心方法是SWE-Review框架，由审查代理进行审查并提供反馈。主要贡献是能持续改进PR，在多方面表现优于单轮审查，还能推动AI编码代理从一次性PR生成迈向闭环问题解决。

Reproducible Validation of Voucher-Based L2 Interoperability: Diagnosing an ERC-4337 Compatibility Issue in an EIL SDK Implementation

基于凭证的L2互操作性的可重现验证：诊断EIL SDK实现中的ERC-4337兼容性问题

Cheng-En Lee, Yu-Chien Huang, Yun-Cheng Tsai

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究以太坊L2跨汇总互操作性问题，提出可重现双L2验证框架，通过构建测试平台、部署组件等缓解兼容性问题，实现凭证生命周期执行，贡献在于实证诊断、缓解措施及验证工件，明确相关差距。

Ethics and EU AI Act in Cases of Work Disability Risk and Alzheimer's Disease Risk Prediction

工作残疾风险和阿尔茨海默病风险预测案例中的伦理与欧盟人工智能法案

Sami Andberg, Henri Terho, Katja Saarela

专题命中 诊断辅助 ：medical AI(abstract)

AI总结 研究以伦理人工智能和欧盟人工智能法案为框架，分析工作残疾风险与阿尔茨海默病风险预测的人工智能工具案例，发现其属高风险系统，从研究到生产需大量工作与合规操作。

Comments Preprint version (2025-09) of paper presented at The 2026 International Conference of Breakthroughs in AI (BAI'26)

Journal ref Lecture Notes in Networks and Systems 1907 (2026) 231-240