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
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
AI 与智能体在药物发现中的应用：批判性文献综述
演进脉络：从 DENDRAL 专家系统、计算机辅助药物设计（CADD）、QSAR 建模，到 AlphaFold 3 生物分子复合物预测、计算机辅助合成规划（CASP）、天然产物生物勘探与自主多智能体系统。 重点进展：抗菌筛选、精准肿瘤学、植物化学表征，以及临床阶段的 AI 生成分
人–AI 团队 vs 人–人团队：信息探询如何影响协作决策
背景：传统人–AI 决策研究把过程当作"AI 给建议、人做决定"的线性分段流程；但 LLM 让交互更接近人–人团队的协作——成员必须共享并整合各自独有的信息才能做出好决策。 采用团队研究经典范式 隐藏剖面任务（hidden profile）；操纵团队类型（人–AI 98 组 vs
RDMA：小模型智能体从电子病历中低成本挖掘罕见病
问题：罕见病影响约 1/10 的美国人，却在临床记录中系统性记录不足。基于 ICD 的系统无法覆盖其广度 —— Orphanet 编码中超过 50% 无直接 ICD 映射，HPO 编码中仅 2.2% 有匹配 ICD 码，导致患者群体"不可见"、诊断延迟。 难点：挖掘非结构化临床笔
LLM 能做功效分析吗？四项模型实证评估（结论：不能替代专家判断）
背景：功效分析（power analysis）对定量研究的严谨性至关重要，但因专用软件门槛高而使用不足；LLM 正被快速整合进研究实践，其在统计任务上的可靠性却缺乏系统评估 —— 存在"未经检验或过于乐观地使用"的风险。 设计：评估四种广泛使用的 LLM —— ChatGPT（G
BigMixSolDB：用 LLM 从 PDF 抽取混合溶剂溶解度数据库（带不确定性量化）
问题：化学文献中大量物理数据分散在非结构化文本与复杂表格里；将其转为机器可读格式是训练数据驱动化学模型的前提。但计算抽取的数据集普遍缺乏不确定性量化，导致人工抽取与整理仍不可省。 方案：一个完全自动化、带不确定性量化的抽取流水线 —— 用 LLM 直接从科学 PDF 中抽取复杂表
阿尔茨海默病人工智能语音与言语生物标志物的系统综述
系统综述评估基于人工智能的语音与言语分析作为阿尔茨海默病及轻度认知障碍无创生物标志物的转化潜力。 遵循PRISMA指南，两名研究者检索PubMed、Scopus与Cochrane Library，纳入报告诊断与预后结局、采用机器学习或深度学习分析人类语音的研究。
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。
实验室医学中的人工智能：从机器学习到大型语言模型
综述认为实验室医学中的人工智能正从结构化数据的传统机器学习，转向可处理非结构化临床文本的大型语言模型。 采用叙述性综述，比较传统机器学习、深度学习、通用大型语言模型与实验室专用基础模型四类范式。
