Princeton University（普林斯顿大学）

Retrieval-Guided Generation for Safer Histopathology Image Captioning

基于检索的生成用于更安全的病理科图像描述生成

Md. Enamul Hoq, Wataru Uegami, Saghir Alfasly, Ghazal Alabtah, Sahar Rahimi Malakshan, Armita Kazemi, Alex T. Schmitgen, Fred Prior, H. R. Tizhoosh

机构 * Kimia Lab, Department of Artificial Intelligence \& Informatics, Mayo Clinic, Rochester, MN, USA ； Department of Biomedical Informatics, University of Arkansas for Medical Sciences, Little Rock, AR, USA ； Lane Department of Computer Science ； Electrical Engineering, West Virginia University, Morgantown, WV, USA ； Department of Computer Science ； Engineering, Princeton University, Princeton, NJ, USA ； Department of Computer Sciences, University of Wisconsin--Madison, Madison, WI, USA 纠错

AI总结 本文提出检索引导生成方法，通过总结相似病例的专家文本生成描述，提升病理图像描述的准确性与可靠性，实验表明其在语义对齐和诊断一致性方面优于现有方法。

Reinforcement Learning from Compiler and Language Server Feedback

从编译器和语言服务器反馈中学习强化学习

Yifan Zhang, Lanser Contributors

机构 * Princeton University（普林斯顿大学） 纠错

AI总结 本文提出RLCSF方法和Lanser-CLI工具，通过编译器和语言服务器的反馈信号提升编码代理的可靠性，利用确定性奖励函数和分析捆绑技术实现过程监督。

Comments Project Page: https://github.com/yifanzhang-pro/lanser-cli