Resource Efficient Sleep Staging via Multi-Level Masking and Prompt Learning (AAAI 2026) (A会)
核心内容：
这篇论文针对可穿戴 / 家用睡眠监测系统的资源受限问题，提出了基于多级掩码（Multi-Level Masking）和提示学习（Prompt Learning）的新型框架Mask-Aware Sleep Staging (MASS)，实现了仅用少量 EEG 信号（最低 10%）即可保持高精度的睡眠分期，为低资源场景的睡眠监测提供了高效解决方案。
RAREAGENTS: Autonomous Multi-disciplinary Team for Rare Disease Diagnosis and Treatment (AAAI 2026) (A会)
核心内容：
提出了首个由大语言模型驱动的多学科团队智能决策框架RareAgents，通过模拟真实临床的多学科会诊（MDT）、动态长时记忆和专业医疗工具调用，解决了罕见病多器官受累、专科医生稀缺、现有模型适配性差的问题，在罕见病鉴别诊断和用药推荐任务上大幅超越现有领域 SOTA 模型，还贡献了专属罕见病用药数据集MIMIC-IV-EXT-RARE，为罕见病 AI 诊疗提供了全新解决方案。
Personality-guided Public-Private Domain Disentangled Hypergraph-Former Network for Multimodal Depression Detection (AAAI 2026) (A会)
核心内容：
聚焦多模态抑郁症检测的核心痛点，针对现有方法无法有效建模个体差异、跨模态时序依赖、多场景特征泛化的问题，提出了全新的 P3HF 框架，融合人格引导表示学习、超图 - Transformer 融合架构、事件级公私有域解耦三大创新点，在 MPDD-Young 数据集上的二分类 / 三分类任务中，准确率和加权 F1-score 较现有 SOTA 方法提升约 10%，为个性化、多场景的抑郁症自动检测提供了新范式。
