MIRA: Medical Image Reflection for Agentic Diagnosis
MIRA：面向智能体诊断的医学图像反射
专题命中 诊断辅助 ：medical image(title,abstract)；diagnosis(title,abstract)；分类 cs.CV
AI总结 该研究提出医学视觉诊断框架MIRA，通过两阶段训练优化工具使用与证据验证，在9个医学视觉推理基准上较Qwen3-VL-8B backbone提升7.44分，改善工具使用判断并减少有害判断。
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. 诊断辅助 12 篇
UniMod: Enhancing Multi-Modal Medical Diagnosis through Cross-Modality and Within-Modality Alignment
UniMod：通过跨模态与模态内对齐增强多模态医学诊断
机构 * University of Central Florida（中佛罗里达大学） ； University of Rochester（罗切斯特大学） ； Harvard Medical School（哈佛医学院） ； University of Virginia（弗吉尼亚大学）
专题命中 诊断辅助 ：diagnosis(title,abstract)；medical image(abstract)；分类 cs.CV、cs.LG
AI总结 UniMod框架通过要求各模态独立预测诊断缓解多模态医学诊断的捷径学习，添加跨模态与模态内对齐，在两个数据集上优于基线方法，还可扩展至多标签5分类诊断。
Comments Accepted to ACM Multimedia 2026 (MM '26). 10 pages, 7 figures, 5 tables. Code: https://github.com/futurespyhi/UniMod
MoE Proxy Models for Low-Cost Failure Reproduction and Diagnosis in LLM RL Post-Training
用于LLM RL后训练中低成本故障复现与诊断的MoE代理模型
专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG
AI总结 本文针对LLM RL后训练中故障复现成本高的问题，提出一种MoE代理模型构建方法，通过专家剪枝降低计算需求，可低成本复现故障并辅助诊断。
BREAD: Baseline-Referenced Explanations for Anomaly Diagnosis
BREAD：面向异常诊断的基线参考解释方法
机构 * University of Amsterdam（阿姆斯特丹大学） ； Amsterdam Business School（阿姆斯特丹商学院）
专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG
AI总结 该研究针对现有异常诊断方法的缺陷，提出可扩展的基线参考诊断方法BREAD，经数学保证和实验验证，其诊断结果比LIME更忠实准确，适用于AI前瞻性异常检测场景。
SCOUT: Symmetric Consensus Outlier Detection for Failure Localization in LLM Pre-Training
SCOUT：用于大语言模型预训练中故障定位的对称共识异常检测
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 SCOUT是用于LLM预训练故障定位的统一运行时框架，基于等价副本严格多数共识识别异常，可与主流大模型训练框架集成，解决现有诊断方法的局限。
Physics-informed Diffusion Generative Model for Time-Series Data Synthesis in Dynamic Systems
用于动态系统时间序列数据合成的物理信息扩散生成模型
机构 * Beihang University（北京航空航天大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 提出PhysDGM模型，将物理规则嵌入扩散生成过程以合成符合物理定律的工业时间序列，构建的440万样本数据集可提升下游任务性能并减少数据需求，助力数据稀缺环境的AI应用。
Comments 27 pages; 5 main figures and 4 extended data figures
Same Targets, Different Computation: How Post-Training Divides Work Across Model Layers
指令微调如何改变上游状态影响后期读取：一种跨修补诊断
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
专题命中 诊断辅助 ：biomedical(abstract)；分类 cs.LG
AI总结 研究探讨指令微调如何通过后期栈与上游状态交互影响后续token选择，通过跨修补诊断发现指令微调模型的后期栈效果依赖自身训练状态，且稀疏特征在其中起中介作用。
Comments 14 pages, 4 figures. Code and compact artifacts: https://github.com/yifan1207/first-divergence-crosspatching
Toward Fair Speech Technologies: A Comprehensive Survey of Bias and Fairness in Speech AI
面向公平的语音技术：语音AI中的偏差与公平性综合综述
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本综述整合400余项相关研究，构建统一框架，针对语音模态提出7种公平定义，梳理偏差来源并系统化缓解策略，为语音AI的公平性研究提供了全面指引。
Comments 73 pages, work in progress
Cross-modal topology decodes battery faults from sparse voltage snapshots
跨模态拓扑从稀疏电压快照解码电池故障
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本研究针对EV电池安全瓶颈，提出跨模态诊断框架DeFault，通过将电压序列展开为相空间拓扑解码故障，在99辆EV的1640万条数据上对四种故障类型平均准确率达0.96，无需新增传感器即可实现高可解释性故障诊断。
Comments 33 pages, 12 figures
LLM Ensemble Fault Classification for Automotive HiL Validation
面向汽车HiL验证的大语言模型集成故障分类
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出可解释多LLM集成框架，结合异构LLM输出提升汽车HiL验证故障分类性能，经多车型多场景评估，Top-3集成优于单模型及Top-5集成，实现更优诊断效果。
Comments 8 pages, 3 figures. Accepted at the 23rd Workshop on Model Driven Engineering, Verification and Validation (MoDeVVa 2026), co-located with MODELS 2026. Original submitted version
Observational Evidence Revises Presumed Large Ozone Worsening from Nitrogen Oxides Cuts
观测证据修正了关于氮氧化物减排会导致臭氧严重恶化的假设
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 研究人员通过整合观测约束的机器学习框架，调和了空气质量模型关于NOx减排对臭氧影响的分歧，发现中国城市NOx减排普遍使臭氧下降，持续减排的益处被低估。
UPAIR: Diagnosing Reasoning States via Uncertainty-Progress Alignment for Selective Intervention
你的模型是在思考还是停滞不前？PUMA：通过相位动量对齐诊断推理病理学
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(abstract)
AI总结 研究大型推理模型测试时的“过度思考”问题，提出相位动量对齐假设并构建认知能量模型，引入PUMA框架，通过分层诊断架构区分主动探索与被动停滞，在多基准实验中优于现有基线，实现更好的准确性-效率权衡和跨域泛化。
2. 病理影像 3 篇
Energy and Performance Benchmarking of Deep Learning Models for Breast Cancer Detection
用于乳腺癌检测的深度学习模型的能效与性能基准测试
专题命中 病理影像 ：medical image(abstract)；diagnosis(abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本文在乳腺超声、BreakHis 400X 两个数据集上对比七种深度学习模型的能效与性能，发现不同模型在两个数据集上的表现不同，需综合多维度选择医学应用模型。
Comments Accepted at ICMLA 2026 (IEEE International Conference on Machine Learning and Applications). Camera-ready version submitted
Retrieval-Augmented Vision Foundation Models for Robust Leukemia Cell Classification across Multiple Microscopy Datasets
用于跨多个显微镜数据集实现稳健白血病细胞分类的检索增强视觉基础模型
专题命中 病理影像 ：biomedical(abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本研究提出基于预训练视觉基础模型的两阶段检索增强框架，经多数据集测试，可实现跨异构数据集的稳健白血病细胞分类，为解决领域偏移问题提供低成本替代方案。
Comments Accepted at SPIE Optics + Photonics 2026 for oral presentation. 23 pages, 12 figures, 9 tables
Reasoning Shortcuts and Value Symmetries: What Symmetry Permits, Architecture Realizes, and Optimization Selects
推理捷径与价值对称性：对称性允许什么、架构实现什么以及优化选择什么
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 病理影像 ：pathology(abstract)
AI总结 该研究分析神经符号系统的推理捷径，发现现有框架的关键定义不适用于其评估的基准，重新测量揭示无法解释的对比例与可证明结构相关，还明确了对称性惰性、自同构存在性等问题的计算复杂度，区分了对称性允许与优化选择的内容。
Comments 55 pages, 2 figures, 8 tables
3. 医疗多模态 4 篇
RadFusion: Towards Threshold-Controllable Radiology Report Generation
RadFusion：迈向阈值可控的放射学报告生成
机构 * Microsoft（微软公司）
专题命中 医疗多模态 ：radiology(title,abstract)；分类 cs.CV
AI总结 RadFusion框架为放射学报告生成赋予阈值可控性，融合多标签分类器与VQA报告生成器，提升诊断准确率，支持ROC分析，适配不同临床场景，更易通过监管审批。
TemMed-Bench: Evaluating Temporal Medical Image Reasoning in Vision-Language Models
TemMed-Bench：评估视觉语言模型的时序医学图像推理能力
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
专题命中 医疗多模态 ：medical image(title,abstract)；分类 cs.CV
AI总结 本文提出TemMed-Bench时序医学图像推理基准，评估12个视觉语言模型，发现多数模型缺乏分析患者状况时序变化的能力，多模态检索扩充可显著提升其性能。
When Visual Signals Mislead: A Mechanistic Study of Attribute Hallucination in Vision-Language Models
当视觉信号产生误导：视觉语言模型中属性幻觉的机制研究
机构 * Zhejiang University（浙江大学）
专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV
AI总结 针对视觉语言模型的属性幻觉问题，提出VISOR框架，通过VSNR诊断区分失败模式并路由适配操作，在三类模型上减少属性假阳性且不依赖先验主导假设。
Linguistically-Aligned and Visually-Grounded Preference Optimization for Clinically-Augmented Medical Report Generation
面向临床增强型医疗报告生成的语言对齐与视觉 grounded 的偏好优化
机构 * Huazhong University of Science and Technology（华中科技大学）
专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV
AI总结 针对现有医疗报告生成方法的临床事实错误与视觉-语言对齐不足问题，提出DPO-Clin框架，通过ECD模块、M²DPO及反事实偏好数据构建提升模型可靠性，在多医学数据集上取得优异性能。
Comments Accepted by ECCV 2026
4. 生物医学文本 3 篇
Most biomedical publications show signs of LLM-assisted writing
大多数生物医学出版物显示出大语言模型（LLM）辅助写作的迹象
机构 * Hertie Institute for AI in Brain Health, University of Tübingen（蒂宾根大学赫蒂脑健康人工智能研究所） ； Ghent University（根特大学） ； VIB（弗拉芒生物技术研究院）
专题命中 生物医学文本 ：biomedical(title,abstract)
AI总结 本研究提出基于词频变化的无偏方法估计文本语料库中LLM使用情况，发现到2025年底89%的生物医学论文存在LLM相关词汇过量，讨论部分LLM使用率是方法部分的两倍，相关估计对制定指南政策至关重要。
Conditional Independence Tests for Constraint-Based Causal Discovery: A Survey
基于约束的因果发现的条件独立性检验：综述
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 该综述针对生物医学领域常见的高维混合类型场景，梳理六大类条件独立性检验方法，分析其优缺点，关联测试级与图级错误，对比主流库应用并总结开放挑战。
Comments 33 pages. Published in Transactions on Machine Learning Research (07/2026). https://openreview.net/forum?id=3jzafJK8Tz
Journal ref Transactions on Machine Learning Research (07/2026)
Doubly Robust Estimators of Quantile Treatment Effects With Semiparametric Cumulative Probability Models
基于半参数累积概率模型的分位数处理效应的双重稳健估计量
专题命中 生物医学文本 ：biomedical(abstract)
AI总结 针对现有分位数处理效应（QTE）估计方法对模型误设敏感的问题，提出基于半参数累积概率模型（CPM）的双重稳健QTE估计框架，开发两种估计策略并通过模拟和HIV数据验证其有效性。
Comments Supplementary material included. Revised manuscript with updated notation and minor corrections
5. 健康监测 1 篇
LVCG: Learning ECG Representations in the Latent Vectorcardiogram Space
在向量心电图空间中学习心脏潜在表示
机构 * Griffith University, Australia（格里菲斯大学） ； SingHealth Duke-NUS AI in Medicine Institute, Singapore（新加坡SingHealth Duke-NUS医学人工智能研究所） ； Emory University, USA（埃默里大学）
专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG
AI总结 针对标准十二导联心电图表示学习中的冗余和过拟合问题，提出基于Frank向量心电图模型的LVCG框架，在物理潜在空间中学习视图不变的心脏电活动表示，提升鲁棒性和泛化能力。
6. 医学数据与评测 3 篇
Locally Deployable Small Language Models for Emergency Department Decision Support: A Systematic Benchmark of Fine-Tuning Strategies
可本地部署的小型语言模型用于急诊科决策支持：微调策略的系统基准测试
专题命中 医学数据与评测 ：diagnosis(abstract)
AI总结 该研究针对急诊科决策支持的隐私风险，通过基准测试发现经LoRA微调的开源小型语言模型在分诊和转诊任务上优于商业模型，可本地部署且具备临床竞争力。
Comments Accepted to AMIA 2026 Annual Symposium
JunoBench: A Benchmark Dataset of Crashes in Python Machine Learning Jupyter Notebooks
JunoBench: 一个Python机器学习Jupyter笔记本崩溃的基准数据集
专题命中 医学数据与评测 ：diagnosis(abstract)
AI总结 JunoBench通过提供真实崩溃案例、修复方案和详细标注，促进Jupyter笔记本中机器学习bug检测、定位、诊断与修复的研究。
Journal ref Proceedings of the 3rd ACM International Conference on AI-Powered Software (AIware), pp 406-413, July 2026
HarmThoughts: A Benchmark for Fine-Grained Harmful Behavior Detection in Reasoning Traces
当安全失败之前：在推理链中基准测试有害行为检测
机构 * Department of Computer Sciences, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机科学系）
专题命中 医学数据与评测 ：diagnosis(abstract)
AI总结 本文提出HarmThoughts基准，用于评估推理链中逐步的安全性。通过分析56931个句子，识别有害行为传播模式，发现现有检测器在细粒度行为检测上存在不足，揭示了过程级安全监控的关键缺口。
Comments Accepted at COLM 2026 (Main Track)
