Imperial College London（帝国理工学院）

2607.28466 2026-07-31 cs.AI 新提交

A report-grounded vision-language foundation model for colonoscopy from 280000 routine reports

基于28万份常规报告的肠镜报告驱动的视觉-语言基础模型

Jia Yu, Yan Zhu, Yili He, Zilong Wang, Xinyang Jiang, Peiyao Fu, Ruijie Yang, Tianyi Chen, Siyuan Li, Zhihua Wang, Fei Wu, Quanlin Li, Xian Yang, Pinghong Zhou, Shuo Wang

机构 * Digital Medical Research Center, School of Basic Medical Sciences, Fudan University（复旦大学基础医学院数字医学研究中心）； Shanghai Collaborative Innovation Center of Endoscopy（上海内镜诊疗协同创新中心）； Zhejiang University（浙江大学）； Shanghai Institute for Advanced Study of Zhejiang University（浙江大学上海高等研究院）； Alliance Manchester Business School, The University of Manchester（曼彻斯特大学联盟曼彻斯特商学院）； Data Science Institute, Imperial College London（伦敦帝国理工学院数据科学研究所）； Microsoft Research Asia（微软亚洲研究院）

AI总结该研究开发了肠镜视觉-语言基础模型EndoCLIP，利用28万份常规肠镜记录恢复的图像-文本对训练，在多项任务中优于通用模型，良恶性分类性能接近专家，可实现临床目标的语言指定。

2607.28127 2026-07-31 cs.CL cs.LG q-fin.ST q-fin.TR 新提交

FinSMART: Financial Sentiment Analysis for Algorithmic Trading through Market-Aligned Reinforcement Learning

FinSMART：基于市场对齐强化学习的算法交易金融情感分析

Giorgos Iacovides, Wuyang Zhou, Danilo Mandic

机构 * Imperial College London（帝国理工学院）

AI总结 FinSMART是首个基于市场对齐强化学习的金融情感分析框架，通过市场感知数据过滤与非对称交易奖励优化情感信号，在交易回报等指标上较基线提升220%，可自适应市场动态。

2607.28079 2026-07-31 cs.LG cs.AI 新提交

Chem World: A Large-Scale Benchmark and Physics-Informed Framework for Trustworthy Chemical Property Prediction

Chem World：用于可信赖化学性质预测的大规模基准及物理信息框架

Tianyou Bai, Huan Wang, Mingchen Gao, Fangyue Lin, Pinze Ren, Zhenlin Zhao, Siming Dong

机构 * Cleer Science（克利尔科学公司）； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）； Imperial College London（伦敦帝国学院）； Tsinghua University（清华大学）

AI总结本研究推出整合17类超80万分子样本的Chem World化学性质预测基准，并提出Mixture-PINN物理信息神经网络框架，经实验验证其可提升预测性能，为可信赖AI系统研发奠定基础。

2607.27378 2026-07-31 cs.CV cs.MM 新提交

PanDent: Toward Comprehensive Tooth-Level Structure-Language Consistency in Dental Radiology

PanDent：面向牙科放射学中全面的牙级结构-语言一致性

Xiaohan Li, Xinyu Liu, Chang Liu, Sum Wing Au Yeung, Jun Liu, Yixuan Yuan, Hui Chen

机构 * Faculty of Dentistry, The University of Hong Kong（香港大学牙医学院）； Imperial College London（帝国理工学院）； University of Science and Technology of China（中国科学技术大学）； Department of Data and Systems Engineering, The University of Hong Kong（香港大学数据与系统工程系）； Department of Electronic Engineering, The Chinese University of Hong Kong（香港中文大学电子工程系）

AI总结本研究推出PanDent牙科OPG基准，经实验发现现有MLLM生成的牙科报告流畅但临床一致性差，在PanDent上微调可提升其结构-语言一致性，该基准可用于评估MLLM的牙级临床推理能力。