医学 AI

Embeddings of trees of hyperbolic metric spaces and Cannon--Thurston maps

超几何度量空间树的嵌入与Cannon-Thurston映射

Rakesh Halder, Pranab Sardar

专题命中 医学数据与评测 ：CT(abstract)

AI总结 研究超几何群自由积的Cannon-Thurston映射存在性条件

Comments Exposition is improved, some parts of Section 5 are transferred to Section 4, 61 pages, no figure, comments are welcome

OpenRubrics: Towards Scalable Synthetic Rubric Generation for Reward Modeling and LLM Alignment

OpenRubrics: 向奖励建模和大语言模型对齐的可扩展合成 rubric 生成迈进

Tianci Liu, Ran Xu, Tony Yu, Ilgee Hong, Carl Yang, Tuo Zhao, Haoyu Wang

机构 * Purdue University（普渡大学） ； Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University at Albany（阿尔巴尼大学） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 OpenRubrics 提出了一种基于对比的 rubric 生成方法，通过大规模（提示，rubric）对提升奖励建模和大语言模型对齐的性能。

Comments The first two authors contributed equally. Updated OpenRubrics dataset, RMs, and results

Beyond Medical Chatbots: Meddollina and the Rise of Continuous Clinical Intelligence

超越医疗聊天机器人：Meddollina与持续临床智能的兴起

Vaibhav Ram S. V. N. S, Swetanshu Agrawal, Samudra Banerjee, Abdul Muhsin

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 Meddollina是一种以治理优先的临床智能系统，通过约束推断和保持临床适当性，解决生成模型在临床部署中的不足，推动持续临床智能的发展。

Bridging the Arithmetic Gap: The Cognitive Complexity Benchmark and Financial-PoT for Robust Financial Reasoning

弥合算术鸿沟：认知复杂性基准与金融-PoT用于稳健的金融推理

Boxiang Zhao, Qince Li, Zhonghao Wang, Yi Wang, Peng Cheng, Bo Lin

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出认知复杂性基准和金融-PoT框架，通过架构解耦提升金融推理的鲁棒性，使Qwen3-235B模型在复杂任务中的准确率显著提高。

Beyond the Needle's Illusion: Decoupled Evaluation of Evidence Access and Use under Semantic Interference at 326M-Token Scale

超越针的错觉：在32600万token规模下解耦证据访问和使用下的语义干扰评估

Tianwei Lin, Zuyi Zhou, Xinda Zhao, Chenke Wang, Xiaohong Li, Yu Chen, Chuanrui Hu, Jian Pei, Yafeng Deng

机构 * EverMind ； Shanda Group（Shanda集团） ； Duke University（杜克大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出EMB-S基准，用于评估长上下文模型在大规模语义干扰下的证据访问与使用能力，揭示语义辨别是主要瓶颈。

CliniBench: A Clinical Outcome Prediction Benchmark for Generative and Encoder-Based Language Models

CliniBench: 一种用于生成式和编码器型语言模型的临床结果预测基准

Paul Grundmann, Dennis Fast, Jan Frick, Thomas Steffek, Felix Gers, Wolfgang Nejdl, Alexander Löser

机构 * DATEXIS, Berlin University of Applied Sciences, Berlin, Germany（德累斯顿应用技术大学DATEXIS机构，柏林，德国） ； Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 CliniBench通过比较编码器型分类器和生成式LLMs在医疗诊断预测中的表现，揭示编码器型分类器的优越性及检索增强策略对生成式模型的提升作用。

Enhancing Volumetric Optical Chirality through 2D-3D Structural Design Evolution

通过2D-3D结构设计进化增强体积分子手性

Chia-Te Chang, Xiaoyan Zhou, Dmitrii Gromyko, John You En Chan, Lin Wu, Chia-Ming Yang, Sejeong Kim, Hongtao Wang, Joel K. W. Yang

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 通过2D-3D结构设计进化提升超手性场性能，实现CD信号增强与传感体积优化

The Voice of Equity: A Systematic Evaluation of Bias Mitigation Techniques for Speech-Based Cognitive Impairment Detection Across Architectures and Demographics

公平之声：一种系统评估语音基认知障碍检测中偏见缓解技术的框架，跨架构和人口统计学群组

Yasaman Haghbin, Sina Rashidi, Ali Zolnour, Maryam Zolnoori

专题命中 医学数据与评测 ：healthcare AI(abstract)

AI总结 本文提出首个系统评估语音认知障碍检测中偏见缓解技术的框架，通过跨架构和人口统计学子群体的公平性分析，揭示了模型架构对偏见模式和缓解效果的关键影响。

RSNA Large Language Model Benchmark Dataset for Chest Radiographs of Cardiothoracic Disease: Radiologist Evaluation and Validation Enhanced by AI Labels (REVEAL-CXR)

用于心胸疾病胸部X光影像的RSNA大语言模型基准数据集：通过AI标签增强的放射科评估和验证（REVEAL-CXR）

Yishu Wei, Adam E. Flanders, Errol Colak, John Mongan, Luciano M Prevedello, Po-Hao Chen, Henrique Min Ho Lee, Gilberto Szarf, Hamilton Shoji, Jason Sho, Katherine Andriole, Tessa Cook, Lisa C. Adams, Linda C. Chu, Maggie Chung, Geraldine Brusca-Augello, Djeven P. Deva, Navneet Singh, Felipe Sanchez Tijmes, Jeffrey B. Alpert, Elsie T. Nguyen, Drew A. Torigian, Kate Hanneman, Lauren K Groner, Alexander Phan, Ali Islam, Matias F. Callejas, Gustavo Borges da Silva Teles, Faisal Jamal, Maryam Vazirabad, Ali Tejani, Hari Trivedi, Paulo Kuriki, Rajesh Bhayana, Elana T. Benishay, Yi Lin, Yifan Peng, George Shih

专题命中 医学数据与评测 ：radiology(abstract)

AI总结 本研究通过AI辅助标注流程，创建了包含200张胸部影像的基准数据集，用于评估不同模型，同时帮助放射科医生更高效地标注影像。

Development and Experimental Validation of Novel Evaluation Criteria for Turbulent Two-Phase VOF Simulations in High-Pressure Die Casting

新型湍流两相VOF模拟评估标准的开发与实验验证

Mehran Shazedeh, Fabian Teichmann, Sebastian Müller

专题命中 医学数据与评测 ：CT(abstract)

AI总结 本研究开发了新型湍流两相VOF模拟评估标准，通过实验验证了其在高压压铸中对气泡和缺陷的预测能力，为工艺优化提供定量依据。

Assessing Utility of Differential Privacy for RCTs

评估差分隐私在随机对照试验中的效用

Kaitlyn R. Webb, Soumya Mukherjee, Aratrika Mustafi, Aleksandra Slavković, Lars Vilhuber

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本文评估了差分隐私技术在保护RCT数据隐私时的效用，通过模拟研究展示了隐私保护方法对数据分析的影响。

Comments Submitted

An Architectural Advantage of The Instruction-Tuned LLM in Containing The Readability-Accuracy Tension in Text Simplification

指令调优LLM在文本简化中缓解可读性-准确性张力的优势

P. Bilha Githinji, Aikaterini Meilliou, Zeming Liang, Lian Zhang, Peiwu Qin

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本研究通过比较指令调优和推理增强的LLM，发现指令调优在文本简化中能更有效平衡可读性与准确性，提升话语忠实度。

A Bayesian Discrete Framework for Enhancing Decision-Making Processes in Clinical Trial Designs and Evaluations

一种贝叶斯离散框架用于增强临床试验设计与评估中的决策过程

Paramahansa Pramanik, Arnab Kumar Maity, Anjan Mandal, Haley Kate Robinson

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本文提出一种贝叶斯离散框架，用于提升临床试验设计与评估中的决策过程，通过整合先验知识和离散概率模型提高分析稳健性。

Comments 44 pages, 5 figures, 4 tables

ErrEval: Error-Aware Evaluation for Question Generation through Explicit Diagnostics

ErrEval: 通过显式诊断实现的问题生成的误差感知评估

Weiping Fu, Bifan Wei, Jingyi Hao, Yushun Zhang, Jian Zhang, Jiaxin Wang, Bo Li, Yu He, Lingling Zhang, Jun Liu

机构 * School of Computer Science and Technology, Xi’an Jiaotong University（计算机科学与技术学院，西安交通大学） ； School of Continuing Education, Xi’an Jiaotong University（继续教育学院，西安交通大学） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering, Xi’an（陕西省大数据知识工程重点实验室，西安） ； Test center, National University of Defense Technology（测试中心，国防科技大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 ErrEval通过显式诊断机制改进问题生成评估，有效识别并纠正事实性幻觉和答案不匹配等缺陷，提升评估与人类判断的一致性。

Towards Efficient Patient Recruitment for Clinical Trials: Application of a Prompt-Based Learning Model

迈向临床试验高效患者招募：基于提示学习模型的应用

Mojdeh Rahmanian, Seyed Mostafa Fakhrahmad, Seyedeh Zahra Mousavi

专题命中 医学数据与评测 ：CT(abstract)

AI总结 本研究提出基于提示学习模型的高效患者招募方法，利用SNOMED CT本体实现医疗文本的精准分类，提升了临床试验招募效率。

Journal ref 2025;31(4):367-377

SciIF: Benchmarking Scientific Instruction Following Towards Rigorous Scientific Intelligence

SciIF: 科学指令遵循基准测试以实现严谨的科学智能

Encheng Su, Jianyu Wu, Chen Tang, Lintao Wang, Pengze Li, Aoran Wang, Jinouwen Zhang, Yizhou Wang, Yuan Meng, Xinzhu Ma, Shixiang Tang, Houqiang Li

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Sydney（悉尼大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Beihang University（北航大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 SciIF是一个评估模型在科学问题解决中严格遵守约束条件能力的多学科基准测试，通过显式证据验证科学有效性，提升LLM在科学逻辑框架中的可靠性。

All That Glisters Is Not Gold: A Benchmark for Reference-Free Counterfactual Financial Misinformation Detection

并非所有发光的都是金子：一个无参考信息的反事实金融虚假信息检测基准

Yuechen Jiang, Zhiwei Liu, Yupeng Cao, Yueru He, Ziyang Xu, Chen Xu, Zhiyang Deng, Prayag Tiwari, Xi Chen, Alejandro Lopez-Lira, Jimin Huang, Junichi Tsujii, Sophia Ananiadou

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 RFC Bench通过对比上下文提升金融虚假信息检测性能，揭示无参考设置下的模型局限性。

Comments 48 pages; 24 figures

STEMNIST: Spiking Tactile Extended MNIST Neuromorphic Dataset

STEMNIST：基于事件的神经形态触觉数据集

Anubhab Tripathi, Li Gaishan, Zhengnan Fu, Chiara Bartolozzi, Bert E. Shi, Arindam Basu

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 STEMNIST是一个扩展至35个字母数字类别的神经形态触觉数据集，用于评估基于事件的触觉识别性能。

Improving Reliability and Explainability of Medical Question Answering through Atomic Fact Checking in Retrieval-Augmented LLMs

通过检索增强的大语言模型中的原子事实核查来提高医疗问答的可靠性与可解释性

Juraj Vladika, Annika Domres, Mai Nguyen, Rebecca Moser, Jana Nano, Felix Busch, Lisa C. Adams, Keno K. Bressem, Denise Bernhardt, Stephanie E. Combs, Kai J. Borm, Florian Matthes, Jan C. Peeken

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 通过原子事实核查提升医疗问答的可靠性与可解释性，减少幻觉并提高事实准确性。

Comments 18 pages, 7 figures and tables

ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning

ClinDEF: 一种用于大语言模型临床推理的动态评估框架

Yuqi Tang, Jing Yu, Zichang Su, Kehua Feng, Zhihui Zhu, Libin Wang, Lei Liang, Qiang Zhang, Keyan Ding, Huajun Chen

机构 * ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州全球科技创新中心） ； ZJU-UIUC Institute, Zhejiang University（浙江大学UIUC研究院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； The Polytechnic Institute, Zhejiang University（浙江大学 polytechnic 院） ； AntGroup（蚂蚁集团） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 ClinDEF通过模拟诊断对话评估大语言模型的临床推理能力，利用疾病知识图谱生成病例并进行多轮交互，提供细粒度效率分析和诊断质量评估，揭示LLM在临床推理中的关键不足。

Comments 23 pages, 4 figures, under review

DICE: Discrete Interpretable Comparative Evaluation with Probabilistic Scoring for Retrieval-Augmented Generation

DICE：基于概率评分的离散可解释比较评估用于检索增强生成

Shiyan Liu, Jian Ma, Rui Qu

机构 * School of Computer Science and Technology（计算机科学与技术学院） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 DICE提出一种基于概率评分的两阶段框架，提升RAG评估的可解释性和稳健性，通过透明判断和系统性错误诊断，实现高效且可信的评估。

Comments Accepted at ResponsibleFM @ NeurIPS 2025

Evaluating Large Language Models for Line-Level Vulnerability Localization

评估大型语言模型在行级漏洞定位中的表现

Jian Zhang, Chong Wang, Anran Li, Weisong Sun, Cen Zhang, Wei Ma, Yang Liu

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文评估了大型语言模型在行级漏洞定位中的表现，发现判别微调在有充足训练数据时效果显著，而提示方法在低数据环境下更有效，同时提出了改进微调过程的策略。

Comments Accepted to TSE

A Real-World Evaluation of LLM Medication Safety Reviews in NHS Primary Care

对NHS初级医疗中基于LLM的药物安全审查系统的真实世界评估

Oliver Normand, Esther Borsi, Mitch Fruin, Lauren E Walker, Jamie Heagerty, Chris C. Holmes, Anthony J Avery, Iain E Buchan, Harry Coppock

机构 * i.AI, Department for Science, Innovation, and Technology（i.AI，科学、创新与技术部门） ； Centre for Experimental Therapeutics, University of Liverpool（实验治疗中心，利物浦大学） ； Civic Health Innovation Labs, University of Liverpool（公民健康创新实验室，利物浦大学） ； Downing Street（唐宁街10号） ； Department of Statistics, University of Oxford（统计系，牛津大学） ； Ellison Institute of Technology（埃利森技术研究所） ； Centre for Academic Primary Care, University of Nottingham（学术初级护理中心，诺丁汉大学） ； The UK AI Security Institute（英国人工智能安全研究所） ； Department of Computing, Imperial College London（计算系，伦敦帝国学院） 纠错

专题命中 医学数据与评测 ：clinical AI(abstract)

AI总结 本文评估了基于LLM的药物安全审查系统在真实临床数据中的表现，揭示了其在不同复杂性下的失败模式，强调了上下文推理的重要性及改进方向。

Prejudiced Futures? Algorithmic Bias in Time Series Forecasting and Its Ethical Implications

有偏见的未来？时间序列预测中的算法偏见及其伦理影响

Bagattini Alexander, Chen Shao

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文探讨了时间序列预测中算法偏见的伦理问题，提出通过社会技术视角、因果建模和制度改革来实现公平性，强调公平性应作为负责任创新的核心要素。

Comments 22 pages

Knowledge Hierarchy Guided Biological-Medical Dataset Distillation for Domain LLM Training

基于知识层级的生物医学数据集蒸馏用于领域大语言模型训练

Xunxin Cai, Chengrui Wang, Qingqing Long, Yuanchun Zhou, Meng Xiao

机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州高等研究院） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本文提出基于生物医学知识层级的自动数据蒸馏框架，提升领域大语言模型的训练效果，使Llama3-70B在参数量上超越GPT-4。

Comments 10 pages

Developing Large Language Models for Clinical Research Using One Million Clinical Trials

利用一百万项临床试验开发大型语言模型用于临床研究

Zifeng Wang, Jiacheng Lin, Qiao Jin, Junyi Gao, Jathurshan Pradeepkumar, Pengcheng Jiang, Zhiyong Lu, Jimeng Sun

机构 * Usher Institute, Edinburgh Medical School, University of Edinburgh（埃丁堡大学埃丁堡医学院usher研究所） ； Health Data Research UK（英国健康数据研究） ； School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算与数据科学学院） ； Division of Intramural Research, National Library of Medicine, National Institutes of Health（国家卫生研究院国家医学图书馆内部研究部） ； Keiji AI 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本文提出TrialPanorama，通过整合一百万项临床试验数据，训练出在八个关键临床研究任务中表现优于通用大语言模型的8B LLM。

MedCEG: Reinforcing Verifiable Medical Reasoning with Critical Evidence Graph

MedCEG: 通过关键证据图强化可验证的医学推理

Linjie Mu, Yannian Gu, Zhongzhen Huang, Yakun Zhu, Shaoting Zhang, Xiaofan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； SII 纠错

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 MedCEG通过关键证据图强化医学推理，提升临床决策的可靠性与有效性。

LLPut: Investigating Large Language Models for Bug Report-Based Input Generation

LLPut: 探究大型语言模型在基于bug报告的输入生成中的应用

Alif Al Hasan, Subarna Saha, Mia Mohammad Imran, Tarannum Shaila Zaman

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出LLPut技术，评估三种开源生成式LLMs在从bug报告中提取相关输入方面的性能，探讨生成式LLMs在自动bug诊断中的能力和限制。

Journal ref The First International Workshop on Large Language Model-Oriented Empirical Research (LLanMER 2025)

Leveraging language models for summarizing mental state examinations: A comprehensive evaluation and dataset release

利用语言模型进行精神状态检查的摘要：全面评估和数据集发布

Nilesh Kumar Sahu, Manjeet Yadav, Mudita Chaturvedi, Snehil Gupta, Haroon R Lone

机构 * IISER Bhopal India（比哈尔印度IISER） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本研究利用语言模型对MSE进行摘要生成，通过开发问卷和收集数据，评估多种模型性能，最终发布数据集和模型供心理健康研究使用。

Comments Appeared in: Proceedings of the 31st International Conference on Computational Linguistics (COLING 2025), Abu Dhabi, UAE. ACL Anthology ID: 2025.coling-main.182. (https://aclanthology.org/2025.coling-main.182/)

Retrieving Semantically Similar Decisions under Noisy Institutional Labels: Robust Comparison of Embedding Methods

在噪声机构标签下检索语义相似的决定：嵌入方法的稳健比较

Tereza Novotna, Jakub Harasta

机构 * Faculty of Law, Masaryk University, Brno, Czechia（法律系，马萨里克大学，布拉格） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文比较了两种嵌入方法在噪声标签下的表现，发现通用嵌入器在多个指标上均优于领域预训练模型。

Comments The manuscript has been accepted for presentation as a short paper at the 38th International Conference on Legal Knowledge and Information Systems (JURIX 2025) in Torino, Italy