Eligibility-Aware Evidence Synthesis: An Agentic Framework for Clinical Trial Meta-Analysis
有资格意识的证据合成：一个用于临床试验元分析的代理框架
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 EligMeta框架整合了自动化试验发现与有资格意识的元分析，通过自然语言查询生成可复现的试验选择，并基于资格对研究加权，以产生特定群体的汇总估计。
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
Learning interacting particle systems from unlabeled data
从无标签数据中学习相互作用粒子系统
机构 * Department of Applied Mathematics and Statistics and Department of Physics and Astronomy, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系和物理与天文学系） ； Department of Mathematics, Johns Hopkins University（约翰霍普金斯大学数学系）
AI总结 本文提出一种无需轨迹信息的自测损失函数，用于从无标签数据中学习相互作用粒子系统的势能，通过弱形式经验分布随机演化方程实现鲁棒估计，适用于大规模高维系统。
Comments 39 pages, 7 figures
Overconfidence and Calibration in Medical VQA: Empirical Findings and Hallucination-Aware Mitigation
过度自信与校准在医学视觉问答中的研究：实证发现与幻觉意识缓解
机构 * Johns Hopkins University, School of Medicine（约翰霍普金斯大学医学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Microsoft Healthcare & Life Sciences（微软医疗健康与生命科学）
AI总结 本文研究了医学VQA中VLMs的过度自信问题，发现校准方法如Platt缩放能有效提升校准精度，但无法提升预测区分度，提出幻觉意识校准方法以提高可靠性。
SWAY: A Counterfactual Computational Linguistic Approach to Measuring and Mitigating Sycophancy
SWAY：一种反事实计算语言学方法用于衡量和缓解谄媚倾向
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出SWAY，一种无监督的计算语言学指标，用于衡量和缓解大语言模型的谄媚倾向。通过反事实提示机制，识别模型在正负语言压力下的同意变化，发现谄媚倾向随认知承诺增加而增强，并提出基于反事实的CoT缓解策略，有效降低谄媚倾向而不影响对真实证据的响应。
Are Finer Citations Always Better? Rethinking Granularity for Attributed Generation
更细致的引用总是更好吗？重新思考属性生成中的粒度
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究探讨了属性生成中引用粒度对模型性能的影响，发现中间粒度（段落级）表现最佳，细粒度引用会破坏语义依赖，粗粒度则引入噪声，需优化粒度以提升属性质量和生成可靠性。
