MediTools -- Medical Education Powered by LLMs
该研究介绍了名为 MediTools 的基于大语言模型的医疗教育原型应用，通过提供皮肤科病例模拟、AI 增强版 PubMed 文献分析及医疗新闻摘要等工具，旨在革新医学教育并提升临床决策能力，同时通过针对医疗从业者的调查验证了其初步效果。
💻 Category
cs
3713 篇论文
Medium Access for Push-Pull Data Transmission in 6G Wireless Systems
本文针对 6G 系统，提出了一种基于推式与拉式通信的 Medium Access Control (MAC) 协议分类体系，制定了面向目标（如时效性和数据相关性）的设计准则，并构建了两者共存框架及其在 O-RAN 中的集成架构。
Point-based Instance Completion with Scene Constraints
本文提出了一种结合场景约束的点云实例补全模型，通过引入稀疏场景约束点云和交叉注意力机制，解决了现有方法在处理非规范姿态物体及忽略场景约束方面的局限，并构建了新的 ScanWCF 数据集以验证其在室内场景中实现高保真、无碰撞且合理的物体补全能力。
LEL: Lipschitz Continuity Constrained Ensemble Learning for Efficient EEG-Based Intra-subject Emotion Recognition
本文提出了一种名为 LEL 的 Lipschitz 连续性约束集成学习框架，通过在该框架的 Transformer 注意力机制等模块中施加 Lipschitz 约束并结合可学习的集成融合策略，有效解决了现有脑电情感识别方法在稳定性、高维非线性信号处理及抗噪性方面的不足，并在多个公开数据集上实现了优越的识别精度。
GeoNav: Empowering MLLMs with dual-scale geospatial reasoning for language-goal aerial navigation
本文提出了 GeoNav，一种通过构建融合地理先验与视觉线索的双尺度空间表征（全局认知地图与局部场景图）并采用空间思维链机制，从而显著提升多模态大模型在复杂城市环境中基于语言指令进行无人机长距离导航能力的框架。
Task-Oriented Semantic Compression for Localization at the Network Edge
本文提出了一种受哺乳动物空间认知启发的任务导向通信框架，通过引入正交约束变分信息瓶颈（O-VIB）编码器，在严格带宽限制下实现多视角特征的高效压缩与边缘协同定位，从而在资源受限的移动平台上达成高精度城市视觉定位。
Smart placement, faster robots-a comparison of algorithms for robot base-pose optimization
该论文通过对比贝叶斯优化、穷举搜索、遗传算法和随机梯度下降在工业机器人基座位姿优化中的表现，发现随机梯度下降在任务成功率上表现最佳，而遗传算法则能实现最低的最终成本，从而为自动化部署提供了有效的算法基准。
SFIBA: Spatial-based Full-target Invisible Backdoor Attacks
本文提出了一种名为 SFIBA 的空间全目标不可见后门攻击方法，通过结合频域注入、形态约束及局部空间区域限制，在确保触发器视觉不可见性和针对所有类别的特定性的同时，实现了高效的黑盒多目标攻击并有效规避现有防御。
Holistic Optimization of Modular Robots
该论文首次提出了一种联合优化模块化机器人构型、基座位置及运动轨迹的 holistic 方法，在工业基准测试中显著缩短了循环时间并提高了可行性，且在真实世界验证中实现了快速部署。
A Coordinated Routing Approach for Enhancing Bus Timeliness and Travel Efficiency in Mixed-Traffic Environment
本文提出了一种利用实时交通数据动态重规划网联自动驾驶车辆（CAV）路径的协同路由策略，通过在混合交通流中避免专用公交车道拥堵，显著提升了公交准点率与 CAV 的通行效率。
Can LLM-Simulated Practice and Feedback Upskill Human Counselors? A Randomized Study with 90+ Novice Counselors
这项针对 94 名新手咨询师的随机研究表明，结合大语言模型模拟练习与结构化反馈的训练模式，能显著提升学员的以人为中心微技能并维持共情能力，而仅进行模拟练习则无法带来技能进步甚至导致共情水平下降。
DeepSparse: A Foundation Model for Sparse-View CBCT Reconstruction
本文提出了首个用于稀疏视图 CBCT 重建的基础模型 DeepSparse，通过引入融合多视角 2D 与多尺度 3D 特征的 DiCE 网络架构，以及结合混合视角采样预训练和两阶段微调的 HyViP 框架，有效解决了现有方法计算需求高和泛化能力差的问题，显著提升了重建质量并降低了辐射风险。
HEXGEN-FLOW: Optimizing LLM Inference Request Scheduling for Agentic Text-to-SQL
本文提出了 HEXGEN-FLOW，这是一个专为异构 GPU 集群设计的框架，通过分层调度策略和基于仿真的参数调优，显著优化了多租户代理式 Text-to-SQL 工作流的推理性能，有效降低了延迟并提升了吞吐量。
M3CAD: Towards Generic Cooperative Autonomous Driving Benchmark
本文提出了名为 M³CAD 的综合性基准数据集，旨在推动通用协同自动驾驶研究，该数据集包含多模态多车数据以支持多种任务，并引入了适应网络条件的多级融合方法以平衡通信效率与感知精度。
FoldNet: Learning Generalizable Closed-Loop Policy for Garment Folding via Keypoint-Driven Asset and Demonstration Synthesis
本文提出了 FoldNet 框架，通过基于关键点的资产与演示合成构建大规模合成数据集，并引入 KG-DAgger 算法增强故障恢复能力，从而在无需大量真实数据的情况下实现了高泛化性的机器人衣物折叠闭环策略。
Diffusion-SAFE: Diffusion-Native Human-to-Robot Driving Handover for Shared Autonomy
本文提出了 Diffusion-SAFE 框架，利用双扩散模型（意图评估与安全引导副驾驶）实现基于概率风险检测的共享自动驾驶人机接管，并通过部分扩散机制在连续调整接管程度的同时确保过渡平滑与安全。
MTVCraft: Tokenizing 4D Motion for Arbitrary Character Animation
MTVCraft 是首个直接利用原始 3D 运动序列（4D 运动）进行角色图像动画生成的框架，通过 4D 运动分词器（4DMoT）和运动感知视频 DiT（MV-DiT）将运动量化为紧凑的 4D 令牌，从而在实现任意角色及物体零样本泛化动画的同时，显著提升了姿态引导视频生成的性能与灵活性。
Precision Proactivity: Measuring Cognitive Load in Real-World AI-Assisted Work
该研究通过引入认知负荷理论，分析了 34 位金融专业人士在利用 GPT-4o 完成复杂估值任务时的表现，发现 AI 生成内容能提升工作质量，但由模型发起的任务切换等引发的外在认知负荷对绩效的负面影响最大，且这种负面影响会随经验不足而加剧。
Power flow and optimal power flow using quantum and digital annealers: a computational scalability analysis
本研究提出了将潮流（PF）和最优潮流（OPF）问题转化为二次无约束二值优化（QUBO）模型的 AQPF 和 AQOPF 算法，并通过在 D-Wave 量子退火器、混合求解器及富士通数字退火器上对 4 至 1354 节点系统的测试，验证了该方法在生成可行解及应对病态场景时的可扩展性与鲁棒性。
Representing local protein environments with machine learning force fields
该研究提出了一种源自原子基础模型中间特征的新型局部蛋白质环境表示方法，该方法不仅能有效捕捉结构与化学特征，还能构建数据驱动的先验分布，并成功实现了具有物理学信息且达到最先进精度的核磁共振化学位移预测。