人工智能方向雷达 · 2026-W42｜辅助定位、证据可溯、智能体编排
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”，多篇临床评估把大模型定位为辅助而非替代。
人工智能方向雷达 · 2026-W43｜运行时强制、工具描述体检、证据档位自审
人工智能方向雷达：运行时强制边界：护栏外置、工具描述质量体检、证据档位自审：先标级再结论。本期语料的问题从“AI 有没有效”转向“证据有多硬”：多篇综述与 Meta 分析自评证据档位 B/C，并明确提示性而非定论。
NeuralOperator：面向算子学习的开源Python库
该文献介绍了一个名为NeuralOperator的开源Python库，用于神经算子（operator learning）的训练与部署；其定位是工具与软件资源，而非临床或实验研究，因此不涉及疗效或因果方向的结论。 研究设计与做法：文献类型为资讯/软件介绍，材料未报告样本量、干预与对
生成模型与推理智能体从NMR谱解析小分子结构
该预印本报告，将分子生成模型与科学推理智能体结合的AI系统可自动完成小分子从头结构解析，在多项基准上优于现有工具；方向为性能提升，属预印本水平的初步证据。 研究为方法开发与基准评测：生成组件ChefNMR2为原子流匹配模型，依据分子式与一维1H、13C NMR谱预测结构；Chef
LLM智能体软件问题修复研究综述：242项研究
该综述系统梳理了242项基于大语言模型智能体的软件问题修复研究，指出该方向文献呈爆发式增长，并围绕基准、技术与实证研究三个维度建立分类体系，同时强调强化学习正成为该领域日益重要的训练范式。整体属于领域态势归纳，而非单一干预效果的量化结论。 研究设计为系统性文献综述，纳入242项近
TensorFlow：端到端开源机器学习平台
由 Google Brain 团队发起的端到端开源机器学习平台，提供工具、库与社区资源，供研究者开展机器学习与神经网络研究并部署应用。
labml.ai 深度学习论文实现：带旁注的 PyTorch 论文复现合集
这是一个用 PyTorch 编写的深度学习论文实现合集，代码与逐行解释并排呈现，帮助读者理解 Transformer、GAN、扩散模型、优化器等算法的具体实现。
基于AI智能体的智慧校园管理平台设计
结论方向：本文提出一种基于AI智能体的智慧校园管理平台架构设计，旨在将分散的校园数据转化为可治理、可解释的运营与学生服务依据；属系统设计类工作，材料未报告实证评估结果，证据档位为C。 研究设计与做法：为设计性研究，未报告样本量、干预与对照或随访时长。平台整合多源数据采集、分层数据
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。
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
