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。
Orochi 4.0：纯 Python 全散射约化与 PDF 建模开源包
该预印本介绍开源纯 Python 软件包 Orochi 4.0，将全散射数据约化、对称性晶体建模与实空间 PDF 模拟整合于同一环境；属方法学工具报告，证据档位 C，未提供定量验证数据。 研究设计为软件架构与功能描述，非对照实验；材料未报告样本量、干预与对照设置及随访时长，仅说明
人工智能的地缘政治
该出版物主题为人工智能的地缘政治。 摘要内容仅为第三方网站免责声明，未涉及研究设计与方法。
生成式AI教育研究早期证据合成的认识论审计与再分析
对首批ChatGPT教育效果元分析的系统审计提示，其合并效应虽为正，但异质性极大、敏感性分析后明显衰减，且原始研究多只测表现而非学习；因此不宜把单一合并估计当作稳定的一般效应，证据档位为C，不足以下结论。 设计为系统综述与探索性元分析（认识论审计）：纳入ChatGPT发布后定量合
云环境中HPC应用的智能体编排
该报告主题为云环境下高性能计算（HPC）应用的智能体化编排。 摘要仅说明报告系受资助工作成果的记述，未提供研究设计、方法或数据细节。
儿科临床生成式AI开发与实施建议：政策声明
该政策声明认为，生成式人工智能（GenAI）在儿科医疗中具有潜在应用价值，但真实世界验证有限，准确性、偏倚、可靠性与可持续性等问题尚存，因此当前证据不足以支持其在儿科临床的常规落地，需以严格监管与问责为前提推进。 研究设计为政策声明类文献，非原始研究，材料未报告样本量、干预与对照
多示例学习结合MR波谱区分肿瘤性与非肿瘤性脑病变的回顾性研究
在422例患者、7442条MR波谱数据上，将全谱视为代谢指纹并采用多示例学习建模，最佳配置在独立内部留出测试集上区分肿瘤性与非肿瘤性脑病变的AUC为0.82（敏感度0.76、特异度0.80），提示该方法具有中等判别能力；证据档位为C。 研究设计与做法：回顾性分析单中心（材料未明确
住院成人脓毒症AI预测模型：系统综述、亚组荟萃分析与临床负担情境分析
系统综述旨在汇总机器学习与深度学习模型对住院成人脓毒症的预测表现，并单独描述相关医疗负担。 纳入相关研究开展系统综述与亚组荟萃分析，并按预测时间窗与验证成熟度分层，另用韩国国家住院索赔数据分析负担。
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
AlloPool：从分子动力学模拟推断蛋白别构的深度学习框架
AlloPool可基于分子动力学模拟推断蛋白质别构特性。 该框架为图神经网络，通过迭代剪枝残基间相互作用以揭示别构相关网络。
