错位之设计：基层医疗场景下生成式AI的评估与部署
作者认为生成式AI在基层医疗的核心问题不是性能本身，而是评估与部署方式的错位。 文章基于北欧与欧洲视角，提出六项基层医疗现实条件作为讨论框架。
基于对比反思的自动提示去偏提升大模型公平性
该研究提出通过对比反思实现自动提示去偏，以提升大语言模型的公平性。 摘要仅显示发表于Artificial Intelligence第360卷，未提供具体方法流程与实验设置。
TensorFlow：端到端开源机器学习平台
由 Google Brain 团队发起的端到端开源机器学习平台，提供工具、库与社区资源，供研究者开展机器学习与神经网络研究并部署应用。
生成式AI设计并实验验证超宽带近零介电常数完美吸收器
结论方向：研究提示生成式深度神经网络可辅助设计超薄多层近零介电常数吸收器，并在实验中实现近红外超宽带近完美吸收；证据档位为C，属材料设计与实验演示类研究，方向为性能提升但需外部重复验证。 研究设计与做法：为算法驱动的材料设计加实验演示研究，非临床研究。以生成式深度神经网络学习高性
审计"审计者"：无标签、可校准地测量 LLM 诊断中的无依据断言（ATRACC 2026）
场景：微服务事故诊断。核心工具 TCA（Telemetry Claim Adjudicator） 是一个不依赖结果标签的机械裁决器，逐条裁定 LLM 智能体在诊断中引用的遥测断言是否有依据。 配套制品：6 种架构臂 × 2 个基准的诊断 harness；以 SHA-256 请求号
基于大语言模型的分类器用于摘要筛选的案例研究
基于大语言模型的分类器可在仅损失少量相关研究的前提下，减少需要人工筛选的记录比例。 研究评估Epistemonikos可持续知识平台中结合大语言模型的分类器，用于摘要筛选环节。
机器学习预测心血管病风险算法的系统综述：前景与临床不确定性
该综述考察机器学习算法预测心血管疾病风险的输出，是否针对Framingham风险评分的已知不足并改善风险估计。 检索Medline、Embase与IEEE自建库至2025年1月1日，纳入将机器学习心血管风险评估输出与FRS直接比较的研究，排除评论、信件及未发表文献。
ISPOR特别工作组良好实践报告：生成式人工智能用于系统文献综述
ISPOR特别工作组发布首份关于生成式AI用于系统文献综述各核心任务的循证良好实践建议。 采用改良PRISMA快速证据评估，纳入2022年11月至2025年7月间115项实证研究，按七类任务定性综合并构建任务级评估框架。
U-Net Transformer用于磁共振弹性成像重建
提出一种基于深度学习的磁共振弹性成像重建方法，旨在加速并稳定传统反演流程。 构建开源物理仿真框架，结合LiTS数据集的肝脏与肿瘤几何及临床刚度先验，生成大规模基准数据集。
Langflow：可视化构建与部署 AI 智能体工作流
Langflow 是一个用于构建和部署 AI 智能体与工作流的开源平台，提供可视化编排界面，并可将流程导出为 API 或 MCP 服务器供其他应用调用。
