TruthInsightBench：用"盲任务"测科研智能体是否真的会"发现"
arXiv:2609.05079 · 2026-09-04 · 预印本 40 个来自同行评审研究的盲任务（跨 10 个学科），只给目标与冻结数据、隐藏结论与路径；LLM 评委按 6 维证据成熟度打分。结果：4 个主流编码智能体挤在 58–6
（延伸）人–人 vs 人–AI 团队的协作决策
Human Factors · 2026-09-08 · 期刊论文 比较人–人团队与人–AI 团队在协作决策中的表现，考察信息询问（information inquiry）与团队表现预期如何影响团队过程与结果。 看点 ：AI 科研不只发生在
AI 智能体在药物发现中的应用：批判性文献综述（含转化鸿沟）
Brazilian Journal of Health Aromatherapy and Essential Oil · 2026-09-08 · 综述 综述药物研发管线中计算技术的演进：从早期专家系统（DENDRAL）、计算机辅助药物设计
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
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
