跳转至

🩺 医疗 LLM

🧠 NeurIPS2026 · 16 篇论文解读

📌 同领域跨会议浏览: 📷 CVPR2026 (1) · 🔬 ICLR2026 (20) · 💬 ACL2026 (47) · 🧪 ICML2026 (4) · 🤖 AAAI2026 (12) · 🧠 NeurIPS2025 (17)

🔥 高频主题: 医学影像 ×8 · LLM ×2 · 推理 ×2

Don’t Pay Attention, PLANT It: Pretraining Attention via Learning-to-Rank

针对极端多标签文本分类中随机初始化标签注意力导致长尾稀有标签难以对齐的瓶颈,本文提出基于互信息增益与排序学习的两阶段预训练注意力方法 PLANT,使小体量大模型在稀有标签分类上大幅超越更大规模基线与现有 SOTA。

Ask, Answer, and Detect: Role-Playing LLMs for Personality Detection with Question-Conditioned Mixture-of-Experts

本文提出 ROME 框架,创新性地让 LLM 扮演用户离线作答心理测量量表以生成结构化中间监督,并通过问题条件混合专家(MoE)联合表征用户博文与问卷题项,实现了可解释且高精度的社交媒体人格预测。

Deceptive Grounding: Entity Attribution Failure in Clinical Retrieval-Augmented Generation

揭示临床检索增强生成(RAG)中真实文献被错配给查询实体的“欺骗性扎根(Deceptive Grounding)”失效现象,建立两阶段权限门控机制,并在13个模型和真实生产环境中验证了评测隐形性与实体归因验证防护。

Discrete Neural Interlingua for Ontology-Agnostic EHR Modeling

本文提出面向电子健康记录(EHR)的离散本体无关分词器 Mediator,通过将任意临床概念文本映射到统一的向量量化(VQ)码本构建神经通用语,彻底打破闭表词表瓶颈并实现零样本跨机构泛化。

DoAtlas-1: A Causal Compilation Paradigm for Clinical AI

提出因果编译范式并构建 DoAtlas-1 系统,将异构医学文献从叙述性文本编译为结构化、可执行的干预因果估算目标对象,支持 6 类严格的因果查询并在大型前瞻性深度表型队列中实现统计闭环验证。

DT-PBO: an Interpretable Tree-based Surrogate Model for Preferential Bayesian Optimization

提出首个面向偏好贝叶斯优化的非线性内在可解释决策树代理模型 DT-PBO,利用创新的成对比较一致性得分与跨界样本剔除机制直接构建浅层树,并以拉普拉斯逼近和零均值约束量化叶节点不确定度,在保持与高斯过程相当的优化收敛性及极高运行效率的同时,在医疗分诊等高风险场景中提供了忠实直观的决策依据。

EHRNote-ChatQA: A Benchmark for Evidence-Grounded Multi-Turn Clinical Question Answering over Longitudinal Discharge Summaries

针对临床真实查房复核中跨多份出院小结迭代提问与证据追溯的需求,构建了首个涵盖 967 名患者、16,072 个医护全量校验 QA 对的多轮证据溯源基准 EHRNote-ChatQA,评测揭示模型在溯源题上准确率大幅落后于内容回答且错误在轮次间显著级联传播。

Extending ROC Analysis to Uncertainty-Aware Risk Prediction with an Interval-Based AUC (iAUC)

针对高风险临床场景中点估计无法反映认知不确定性的问题,本文提出了将ROC分析扩展至区间值预测的iAUC框架,构建上下两条ROC曲线并实现确定正确、模糊重叠与确定错误的严格三分分解,同时给出了贝叶斯最优AUC的理论覆盖界。

MedEvoEval: Evaluating Continual Evolution of Doctor Agents through Simulated Clinical Episodes

提出了一个基于动作门控门诊模拟的医生智能体持续演进评测框架 MedEvoEval,通过角色分离视图与细粒度事件日志,不仅揭示了最终答案准确率所掩盖的交互轮数、检查滥用及无效动作等过程成本,更首次系统评测了跨病例经验记忆沉淀对未见病例的迁移增益与反向性能保留。

MedKIT: Evaluating Knowledge Integration and Generalization in Large Language Models

MedKIT 将 6,196 条有时间戳的肿瘤学证据转成同事实、多任务探针,比较 12 种知识整合方法与 5 个模型,发现“更新后能复述事实”通常并不意味着能在开放式推理或生成中使用事实。

Medmarks: A Comprehensive Open-Source LLM Benchmark Suite for Medical Tasks

Medmarks 提出了一个完全开源且覆盖 30 个医疗任务基准的自动化评测套件(划分可验证任务 Medmarks-V 与开放式推理任务 Medmarks-OE),系统评测了 61 个模型与 71 种配置,并将 8 个具备训练/测试集切分的环境构建为支持医疗强化学习后训练的 Medmarks-T 环境。

MedMemoryBench: Benchmarking Agent Memory in Personalized Healthcare

针对个性化医疗智能体在长时程多轮交互中的记忆挑战,构建了基于真实慢病病程轨迹与临床高危陷阱事件的基准 MedMemoryBench,并提出动态流式边建边评协议,首次系统揭示了记忆饱和导致推理崩溃的瓶颈。

MedMisBench: Measuring Epistemic Resilience of LLMs Under Misleading Medical Context

针对现有医学基准仅评测理想无干扰环境下知识水平而忽视对抗性误导信息的缺陷,本文提出首个度量大模型在误导性医疗上下文下维持正确判断能力的基准 MedMisBench(涵盖 10,932 道题目与 48,889 对误导上下文-选项),揭示了前沿 LLM 在看似权威客观的规则类虚假信息下平均准确率从 71.1% 暴跌至 38.0%、攻击成功率达 51.5% 的严重脆弱性,并经跨国临床专家审核证实 38.2% 的失误输出具有严重临床危害。

MedZERO: Self-Evolving Agents for Open-Ended Medical Reasoning Through Controlled Knowledge Accumulation

MedZERO 针对开放式弱可验证的医学推理,构建出题者与答题者协同进化框架,利用前沿课程引导与临时/持久分层的受控知识积累,显著突破无专家标注下的自演进瓶颈。

MoBayes: A Modular Bayesian Framework for Separating Reasoning from Language in Conversational Clinical Decision Support

MoBayes 将大语言模型严格限制为仅处理证据提取与提问自然语言化的接口,而将后验置信度追踪、基于期望信息增益的问诊规划以及可控弃权决策交由确定性贝叶斯引擎执行,以极低成本全面超越全能型前沿临床大模型。

TreeWalker: Partial Evaluation for Grouped Tree-Ensemble Inference

本文提出针对分组树集成推理的部分求值引擎 TreeWalker,将组内共享的不变特征作为静态输入、变化特征作为动态输入,每棵树整组仅遍历一次并沿变化节点划分行位掩码,在保持完全精确精度的同时实现数倍至数十倍的推理加速。