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。
主动推断与"人工推理"：用期望自由能驱动结构学习与规则发现
核心问题：如何采样最能揭示世界模型结构的结果——即在若干生成模型/假设之间做最优实验设计（rule discovery）。 数学工具：主动推断中，策略（动作组合）按期望自由能选择 = 期望信息增益 + 价值；信息增益即"含与不含行动后果"两种预测后验之间的 KL 散度。 计算效率
机器学习分类器识别梅尼埃病编码区隐藏的罕见双等位杂合变异
提示：基于编码区罕见变异的机器学习分类器可区分家族性与散发性梅尼埃病，并提示部分散发病例存在隐藏的隐性遗传成分；该结论来自单一遗传学建模研究，尚需独立队列验证。 研究设计为病例分类建模研究，材料未报告具体样本量与队列来源；以家族性与散发性梅尼埃病病例的编码区罕见变异为输入，构建整
机器学习在无创贫血诊断中的应用：基于CRISP-DM的系统综述
结论：该综述梳理了基于CRISP-DM流程的机器学习用于无创贫血诊断的近期研究进展。 设计：系统综述，围绕CRISP-DM数据挖掘流程归纳无创贫血诊断的机器学习建模工作。
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
Dr. Claw / BloClaw：可审计、可追溯的"AI 科研工作台"
Dr. Claw （arXiv:2609.00365，2026-08-31）：以人机协同 + 持久状态 + 技能库把规划-执行-写作变成一条可恢复、可审计的闭环，比裸 CLI 智能体完整度更高。 BloClaw （AI4S 工作站，2026
从问答到智能体：生成式与智能体AI成为血液学临床基础设施前需改变什么
血液学生成式AI正从问答转向执行任务，制约因素或由准确性转向可治理性。 该文为观点性论述，讨论智能体在病例结构化提取、分流、变异分类及指南与病例记忆锚定推荐中的应用。
数据驱动方法在绿色微生物学中识别植物促生菌的策略综述
综述指出，高通量测序推动植物促生菌研究从培养依赖转向基因组信息策略，但准确识别与表征仍具挑战。 文章为综述，梳理基于基因组的大规模分类与功能分析，以及基于性状数据库对植物有益基因的预测途径。
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
TruthInsightBench：用"盲任务"测科研智能体是否真的会"发现"
arXiv:2609.05079 · 2026-09-04 · 预印本 40 个来自同行评审研究的盲任务（跨 10 个学科），只给目标与冻结数据、隐藏结论与路径；LLM 评委按 6 维证据成熟度打分。结果：4 个主流编码智能体挤在 58–6
