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
智能体AI系统的故障传播与风险遏制框架
该文提出以系统视角分析智能体AI的故障传播与风险遏制，主张安全评估不应只看任务能否完成，还应看错误在被系统阻止前能传播多远；文中未报告实验数据，属概念框架类证据，方向为提出性主张而非验证性结论。 研究设计为理论/框架构建类论文，非实验或临床研究；材料未报告样本量、干预与对照、随访
工业4.0中AI与IoT驱动CAD/CAM智能集成的系统综述
结论方向：综述提示AI（尤其深度学习、图神经网络、强化学习）与IoT/IIoT在CAD/CAM自适应制造中的集成已有较多研究，但实时适应性、数据标准化与互操作性仍存明显缺口；作为系统综述，其结论属文献层面「提示」，不足以证实具体技术效果。 研究设计与做法：按PRISMA 2020
机器学习用于植物抗癌化合物发现及机制解析的综述
该综述系统梳理植物来源抗癌化合物及机器学习在活性预测、候选优选与机制研究中的应用，提示机器学习可加速该领域发现流程，但受数据异质性与天然产物结构复杂性制约，尚不足以下结论认为其已可替代实验。 研究类型为综述，非原始实验；系统总结了植物来源天然抗癌化合物、机器学习在生物活性预测、候
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
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。
大语言模型分诊识别患者信息中抗逆转录病毒治疗依从障碍与风险等级
结论方向：基于大语言模型的分诊方法在识别抗逆转录病毒治疗（ART）依从障碍与分层不依从风险上表现出中等偏好的分类性能，属证据支持其技术可行性，但外部验证性能下降，尚不足以支持临床落地。 研究设计与做法：由HIV感染者与医务人员共同组成共建委员会，对15 480条句子进行障碍与风险
基于变异的多智能体测试用例更新方法
针对CI/CD下代码变更使既有测试用例失效的问题，提出基于变异的多智能体测试用例更新方法。 指出近期基于大语言模型的测试更新方法依赖执行反馈与精确匹配上下文检索，优先保证可执行性与行覆盖率。
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。
人工智能方向雷达 · 2026-W40｜临床辅助定位、证据可溯验证、智能体流程编排
人工智能方向雷达：辅助定位：从替代到监督、证据可溯：幻觉度量与检索后验证、智能体编排：从问答到流程执行。本期语料的重心已从“模型能不能做”转向“在谁监督下做、错了谁负责”，多篇临床评估把LLM定位为辅助而非替代。
