Auditing the Auditor：无标签、可校准地测量 LLM 诊断中的"无依据断言"
arXiv:2606.29193 · AAAI Fall Symposium (ATRACC 2026) · 2026-09-09 · 预印本 提出 Telemetry Claim Adjudicator（TCA） ：一种"机制式、无需结果
主动推断与人工推理：把"洞见时刻"写成可计算的实验选择
Nature Communications · 2026-09-08 · 期刊论文（Karl Friston 等） 论文处理的是"采样哪些结果能最大程度揭示世界模型结构"这一问题，为 结构学习（尤其是规则发现） 提供了原则性方法：在主动推断
AI 智能体在药物发现中的应用：批判性文献综述（含转化鸿沟）
Brazilian Journal of Health Aromatherapy and Essential Oil · 2026-09-08 · 综述 综述药物研发管线中计算技术的演进：从早期专家系统（DENDRAL）、计算机辅助药物设计
（延伸）人–人 vs 人–AI 团队的协作决策
Human Factors · 2026-09-08 · 期刊论文 比较人–人团队与人–AI 团队在协作决策中的表现，考察信息询问（information inquiry）与团队表现预期如何影响团队过程与结果。 看点 ：AI 科研不只发生在
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
Repo-To-Skill：把 GitHub 代码库蒸馏成 5000+ 已验证技能
arXiv:2609.02749 · 2026-09-02 · 预印本 DisCo 智能体把开源生态的领域"操作知识"蒸馏为紧凑、可复用的验证技能，产出 AREX-Skill Library（5000+ 技能）。 看点 ：这与本站"技能库"
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
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。
人工智能交互不等同于社会交互：重思幼儿期人工智能介导的数字暴露
综述主张人工智能交互不等同于社会交互，需重新审视幼儿期人工智能介导的数字暴露。 该文为综述，因摘要缺失，具体检索策略、纳入文献与分析框架无法从现有信息获知。
胰腺癌苯丙氨酸代谢的多组学与机器学习诊断及靶点分析
该研究关注苯丙氨酸代谢在胰腺癌中的诊断价值及潜在治疗靶点。 据标题推测，研究采用整合多组学数据与机器学习的方法进行分析。
大语言模型人格与意识形态传播的社会语言学视角
从社会语言学视角提出机器“身份”概念框架，探讨大语言模型是否具有可测量的人格及其推理风格受语料语言属性影响。 属概念性视角论文，不提供原始实验数据，也非有既定检索策略与纳入标准的系统综述，而是整合已发表发现。
