足部矫形器处方分层机器学习决策支持框架的开发与验证
该单中心回顾性研究提示，分层机器学习框架在临床信息可得性不固定时仍能对足部矫形器处方多标签组件保持较一致的预测表现，但低患病率组件的精确率-召回率表现变异较大。方向为正向但属开发验证阶段，强度属提示性。 设计为回顾性观察研究，使用2015至2020年单中心6462次就诊级临床记录
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
检索后验证评估大语言模型生成医学信息的证据支持与幻觉：实证研究
研究提出并评估“检索后验证”方法，用于衡量大语言模型生成医学信息的证据支持度与幻觉。 针对AI生成医学信息缺乏源文档明确支持的问题，开展实证研究以直接评估其是否基于底层证据。
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。
机器学习移动应用CROHN'S AID鉴别克罗恩病与肠结核的开发与前瞻性验证
研究开发并前瞻性验证了机器学习移动应用“Crohn's Aid”，用于在结核流行地区床旁实时鉴别克罗恩病与肠结核。 基于印度三级中心1066例患者（克罗恩病650例、肠结核416例）的前瞻性维护数据库进行回顾性分析，用30项临床、内镜与影像变量训练多种模型。
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
MRI宫颈癌分割的机器学习与深度学习系统综述
结论：系统综述提示，机器学习与深度学习算法在MRI宫颈癌自动分割中表现出一定潜力，但证据确定性低，尚不足以下结论支持常规临床实施。 研究设计与做法：遵循PRISMA的系统综述，PROSPERO注册号CRD420251247441；检索PubMed/MEDLINE、Embase、S
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
基于大语言模型的情感增强多任务碳排放预测框架
材料未报告摘要内容，仅可依据标题推断：该文献提出一种结合情感增强多任务学习与transformer-长短期记忆网络的碳排放预测框架，方向与强度不足以下结论。 研究设计与做法：材料未报告，仅知为资讯类文献，发表于Expert Systems with Applications，证据
人工智能驱动磁性能预测与自旋电子材料发现综述
综述认为，AI与机器学习正成为加速自旋电子材料发现与磁性能预测的有力工具。 文章为综述，围绕自旋电子技术对高自旋极化、大磁矩、可调交换作用与热稳定性的需求展开梳理。
