BigMixSolDB:用 LLM 从 PDF 抽取混合溶剂溶解度数据库(带不确定性量化)
问题:化学文献中大量物理数据分散在非结构化文本与复杂表格里;将其转为机器可读格式是训练数据驱动化学模型的前提。但计算抽取的数据集普遍缺乏不确定性量化,导致人工抽取与整理仍不可省。 方案:一个完全自动化、带不确定性量化的抽取流水线 —— 用 LLM 直接从科学 PDF 中抽取复杂表
问题:化学文献中大量物理数据分散在非结构化文本与复杂表格里;将其转为机器可读格式是训练数据驱动化学模型的前提。但计算抽取的数据集普遍缺乏不确定性量化,导致人工抽取与整理仍不可省。 方案:一个完全自动化、带不确定性量化的抽取流水线 —— 用 LLM 直接从科学 PDF 中抽取复杂表
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
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
结论:医护人员对大语言模型在医疗中的使用持有多元看法,其采纳与监管偏好可通过调查加以刻画。 设计:通过某医疗新闻平台邮件列表在线发放横断面问卷,共335名医护人员作答,含主治医师等。
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
该综述考察机器学习算法预测心血管疾病风险的输出,是否针对Framingham风险评分的已知不足并改善风险估计。 检索Medline、Embase与IEEE自建库至2025年1月1日,纳入将机器学习心血管风险评估输出与FRS直接比较的研究,排除评论、信件及未发表文献。
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
从社会语言学视角提出机器“身份”概念框架,探讨大语言模型是否具有可测量的人格及其推理风格受语料语言属性影响。 属概念性视角论文,不提供原始实验数据,也非有既定检索策略与纳入标准的系统综述,而是整合已发表发现。
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
综述认为,AI与机器学习正成为加速自旋电子材料发现与磁性能预测的有力工具。 文章为综述,围绕自旋电子技术对高自旋极化、大磁矩、可调交换作用与热稳定性的需求展开梳理。