主动推断与人工推理：把"洞见时刻"写成可计算的实验选择
Nature Communications · 2026-09-08 · 期刊论文（Karl Friston 等） 论文处理的是"采样哪些结果能最大程度揭示世界模型结构"这一问题，为 结构学习（尤其是规则发现） 提供了原则性方法：在主动推断
基于大语言模型的分类器用于摘要筛选的案例研究
基于大语言模型的分类器可在仅损失少量相关研究的前提下，减少需要人工筛选的记录比例。 研究评估Epistemonikos可持续知识平台中结合大语言模型的分类器，用于摘要筛选环节。
实验室医学中的人工智能：从机器学习到大型语言模型
综述认为实验室医学中的人工智能正从结构化数据的传统机器学习，转向可处理非结构化临床文本的大型语言模型。 采用叙述性综述，比较传统机器学习、深度学习、通用大型语言模型与实验室专用基础模型四类范式。
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。
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
基于常规电子健康记录数据的院内谵妄预测模型：系统综述
该系统综述旨在评估基于常规EHR数据开发的院内谵妄预测模型的构建、验证与临床可用性。 检索PubMed、MEDLINE、Embase、PsycINFO和Web of Science至2025年11月11日，纳入开发预测模型的研究，提取模型特征、验证策略、性能与偏倚风险。
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
机器学习在无创贫血诊断中的应用：基于CRISP-DM的系统综述
结论：该综述梳理了基于CRISP-DM流程的机器学习用于无创贫血诊断的近期研究进展。 设计：系统综述，围绕CRISP-DM数据挖掘流程归纳无创贫血诊断的机器学习建模工作。
Dr. Claw / BloClaw：可审计、可追溯的"AI 科研工作台"
Dr. Claw （arXiv:2609.00365，2026-08-31）：以人机协同 + 持久状态 + 技能库把规划-执行-写作变成一条可恢复、可审计的闭环，比裸 CLI 智能体完整度更高。 BloClaw （AI4S 工作站，2026
