问诊不再照固定问卷走：显式临床状态驱动提问，BERTScore F1从0.68升到0.84
远程问诊中的病史采集需要多轮追问并随患者回答调整，MedAgent-RAG把已填槽位、排序鉴别诊断、已问问题和红旗征候维护成显式临床状态，每一问都由该状态决定，最后用父—子检索增强流程把评估落到临床指南上。在MediTOD语料配合语言模型患者模拟器的评测中，同一语言模型的单次生成基线BERTScore F1为0.68，该系统为0.84，代价是平均15.8轮对话。
复杂网络找关键节点不再只看单一尺度：局部、社区、全局结构一起学，排序精度超过中心性和图神经网络基线
复杂网络中的关键节点识别有了跨尺度做法。此前中心性指标与学习类方法往往只在单一网络尺度上整合结构信息，难以同时利用局部、社区和全局模式。CSBA-Net把三种尺度的结构表示分别提取，再用带多头自注意力的双向门控循环单元建模尺度间依赖，并以SIR扩散模拟得到的节点影响力作为回归目标；在24个真实网络和12个合成网络上，其排序指标优于所比较的中心性、卷积和图神经网络基线。
已读完全部报道