KDD

EviCare: Enhancing Diagnosis Prediction with Deep Model-Guided Evidence for In-Context Reasoning

EviCare: 通过深度模型引导的证据增强诊断预测

Hengyu Zhang, Xuyun Zhang, Pengxiang Zhan, Linhao Luo, Hang Lv, Yanchao Tan, Shirui Pan, Carl Yang

机构 * Macquarie University（麦考瑞大学） ； Fuzhou University（福州大学） ； Monash University（莫纳什大学） ； Griffith University（格里菲斯大学） ； Emory University（埃默里大学） 纠错

AI总结 EviCare通过整合深度模型指导的证据选择、证据优先级排序和关系证据构建，提升基于LLM的诊断预测性能，在MIMIC-III和MIMIC-IV数据集上实现20.65%的平均提升，尤其在新诊断预测上提升显著。

Comments Accepted by KDD 2026

SEPTQ: A Simple and Effective Post-Training Quantization Paradigm for Large Language Models

SEPTQ：一种用于大型语言模型的简单且有效的后训练量化范式

Han Liu, Haotian Gao, Xiaotong Zhang, Changya Li, Feng Zhang, Wei Wang, Fenglong Ma, Hong Yu

机构 * Dalian University of Technology（大连理工大学） ； Peking University（北京大学） ； Shenzhen MSU-BIT University（深圳北理莫斯科大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

AI总结 SEPTQ提出了一种简化后训练量化流程的方法，通过重要性评分和静态全局确定量化位置，提升低比特量化下的性能。

Comments Accepted to KDD 2025. 12 pages, 10 figures