博弈论多智能体框架降低语言模型幻觉
结论方向为正向：作者报告 G-Frame 框架可减少轻量语言模型在规则型科学领域的幻觉，并提升推理表现；但证据档位为 C，属早期探索性结果，尚不足以作为确定性结论。 研究设计为方法学开发与基准评测：构建整合贝叶斯与团队博弈原理的自适应多智能体框架，用于自动化闭环数据合成与模型训练
LlamaFactory：统一高效微调 100+ 大模型与多模态模型
LlamaFactory 是开源的统一微调框架，支持 100 多种大语言模型与视觉语言模型，提供零代码 CLI 与 Web UI，降低指令微调与偏好训练的门槛。
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。
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
MCP工具描述缺陷普遍性及其对AI代理效率影响的实证研究
对103个MCP服务器中856个工具的描述质量进行实证评估，发现97.1%的工具描述至少含有一处缺陷，提示MCP生态中工具描述质量问题较为普遍，但该结论基于特定评分规则与扫描工具，尚不足以推广至全部MCP实现。 研究为实证性横断面分析，样本为103个MCP服务器中的856个工具；
基于对比反思的自动提示去偏提升大模型公平性
该研究提出通过对比反思实现自动提示去偏，以提升大语言模型的公平性。 摘要仅显示发表于Artificial Intelligence第360卷，未提供具体方法流程与实验设置。
超越护栏：AI智能体运行时强制执行的系统综述（58项研究）
系统综述提示，仅靠以模型为中心的护栏不足以阻止被操纵或出错的推理转化为外部动作，需在推理之外设置独立的运行时强制执行边界；该结论属综述层面的归纳，非干预效果验证。 研究设计与做法：系统综述，检索Compendex与Web of Science核心合集，覆盖2023年1月至2026
Directed homophily-aware graph neural network
Publication date: February 2027Source: Neural Networks, Volume 206, Part BAuthor(s): Aihu Zhang, Jiaxing Xu, Mengcheng Lan, Shili Xiang, Yip
Unsloth：本地运行与训练模型的桌面应用
Unsloth 是一个桌面应用，让用户在本地运行和训练大语言模型与扩散模型，支持 GGUF、MLX 等格式，覆盖 Windows、Linux 与 macOS。
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
