三种大语言模型回答肾移植临床问题的准确性、质量与可读性评价
Grok AI、ChatGPT-5 Plus与Gemini 2.5 Flash在回答肾移植常见临床问题时均表现出较高的准确性、整体质量与可读性，三者数值接近且差异无统计学意义；作者据此提示，这些模型可能作为辅助性临床决策支持工具。 由两名有经验的医师独立评估10个开放式临床情境，
LlamaFactory：统一高效微调 100+ 大模型与多模态模型
LlamaFactory 是开源的统一微调框架，支持 100 多种大语言模型与视觉语言模型，提供零代码 CLI 与 Web UI，降低指令微调与偏好训练的门槛。
LLM智能体长期记忆防投毒：双源背书与来源绑定授权的可执行监控评估
在受控工具调用场景中，要求两个独立来源背书或用户显式授权的策略，配合每次动作前检查，可阻止攻击者选定的动作被执行；但作者明确表示，这仅支持在构造化工作流中的条件性执行与恢复，尚不足以证明部署中背书可得且正确。 研究含证明与实验两部分：抽象记忆模型中证明策略在允许变换下保持；另设1
人工智能用于化疗患者肿瘤护理症状管理的综述
结论：综述认为人工智能有望通过实时症状监测、不良事件预测与个体化干预支持肿瘤护理中的主动症状管理，但多数应用仍处早期阶段，证据支持有限。 设计：结构化文献综述，检索PubMed、Scopus与Web of Science近十年同行评审研究，聚焦机器学习、自然语言处理、临床决策支持
机器学习鉴别多系统萎缩的系统评价与Meta分析：51项研究
结论：Meta分析提示，机器学习模型在区分多系统萎缩（MSA）与帕金森病（PD）及其他神经退行性疾病方面具有较高的诊断准确性，合并AUC为0.93–0.94；证据档位为B，属于对已有诊断准确性研究的二次合成。 设计：系统评价与Meta分析，检索PubMed、Embase、Coch
超越护栏：AI智能体运行时强制执行的系统综述（58项研究）
系统综述提示，仅靠以模型为中心的护栏不足以阻止被操纵或出错的推理转化为外部动作，需在推理之外设置独立的运行时强制执行边界；该结论属综述层面的归纳，非干预效果验证。 研究设计与做法：系统综述，检索Compendex与Web of Science核心合集，覆盖2023年1月至2026
代表性社会选择框架：从学习理论到AI对齐的理论研究
结论：作者提出“代表性社会选择”框架，将大规模群体决策建模为基于有限个体—议题样本的社会选择问题，并用机器学习理论给出机制泛化性质与Arrow型不可能定理；属理论证明，未涉及实证效应。 设计与做法：属理论/方法学研究，非临床试验。作者以“个体—议题对”的有限样本代表总体，把代表性
结构化流程与检索增强生成提升大模型结直肠癌肝转移推荐一致性：110例情景研究
在110例合成结直肠癌肝转移（CRLM）情景中，将专家流程引导与检索增强生成结合（WF-RAG-LLM）的推理策略，与专家参考推荐的一致性总分最高（0.626±0.070），提示该架构可能改善大模型对多学科肿瘤决策的复现。 研究为预印本，采用方法学比较设计：基于同一大模型（gpt
药物发现中人工智能应用的PRISMA系统综述：方法、挑战与评价实践
该系统综述按PRISMA 2020纳入618项同行评议研究，提示机器学习与深度学习已主导药物发现研究（分别占99.8%与78.0%），但数据集透明度（45%）与可重复性（38%）偏弱、外部验证罕见，评价实践不均衡，整体证据档位为C。 为PRISMA 2020系统综述；检索Scop
MCP工具描述缺陷普遍性及其对AI代理效率影响的实证研究
对103个MCP服务器中856个工具的描述质量进行实证评估，发现97.1%的工具描述至少含有一处缺陷，提示MCP生态中工具描述质量问题较为普遍，但该结论基于特定评分规则与扫描工具，尚不足以推广至全部MCP实现。 研究为实证性横断面分析，样本为103个MCP服务器中的856个工具；
