医学 AI

Probe to Generate: Program Variant-Guided Test Augmentation for Repository-Level Repair Benchmarks

基准测试足够强大吗？基于突变的诊断和回归套件的增强

Chenglin Li, Yisen Xu, Zehao Wang, Shin Hwei Tan, Tse-Hsun, Chen

专题命中 医学数据与评测 ：diagnosis(title)

AI总结 本文提出STING框架，通过语义改变的程序变体增强回归测试，提高基准测试的可靠性。实验显示，77%的实例存在至少一个存活变体，测试覆盖率提升，修复率下降，揭示了基准测试的不足。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

Benchmark Evaluation of Federated Learning on Multi-organ Images

多器官图像上联邦学习的基准评估

Junbin Mao, Xu Tian, Jianchun Zhu, Ludi Li, Jin Liu

机构 * Hunan Provincial Key Laboratory on Bioinformatics, School of Computer Science and Engineering, Central South University（湖南生物信息省重点实验室，计算机科学与工程学院，中南大学） ； Xinjiang Engineering Research Center of Big Data and Intelligent Software, School of software, Xinjiang University（新疆大数据与智能软件工程研究中心，软件学院，新疆大学） 纠错

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

AI总结 针对医学数据隐私及异质性致联邦学习性能评估难的问题，开发MobenFL基准，集成20种前沿算法和22个数据集，涵盖12个器官，评估维度更丰富，能全面深入评估联邦学习在医学领域临床应用的效果。

MS-MLB: An Open Machine Learning Benchmark for Blood-Based MS Classification

MS-MLB：一个用于血液基质-MS分类的开源机器学习基准

Adam Simson, Ankush Dutta, Quang Bui

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

AI总结 该研究提出首个开源MS分类基准MS-MLB，基于GSE17048全血RNA数据，用控制数据泄露的流程评估算法，梯度提升在留存集表现最优，内置外部模型提交路径，仅用于研究比较。

From Siloed Algorithms to Compliance-First Agentic Platforms: A Multi-Layered Architecture for Hospital AI Systems

从孤立算法到合规优先的智能体平台：面向医院AI系统的多层架构

Manideep Dhar, Ritwik Singh, Sharat Chandra Kumar Manikonda

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

AI总结 针对医院AI部署孤立、规模化难的问题，提出含智能体编排、合规策略、隐私保护数据层的多层架构，通过原型验证可减少任务耗时与文档工作量，为医院AI平台建设提供实用蓝图。

Comments Peer-reviewed published article

Journal ref IJISRT, 11-2026(5), IJISRT26MAY1651

Benchmarking and Enhancing LLMs for Rule-Intensive Review of National Standard Documents

面向规则密集型国家标准文档评审的大语言模型基准测试与增强

Tao Wang, Qihao Yang, Rongjiao Liang, Lianghong Lin, Haitao Wang, Xinyu Cao, Tianyong Hao

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 该研究针对规则密集型国家标准文档评审推出首个基准GB/T-Bench，提出多智能体框架GB/T-Reviewer，实验显示其大幅缩小了LLM与专家在该任务上的能力差距，为高风险文档领域可信AI奠定基础。