基于MCP工具从SDSS DR19 APOGEE光谱识别4万余主序双星候选
在238,205颗DR19矮星光谱上运行打包好的双线光谱双星分解流程，分类器标记出41,466个SB2候选，约为DR13所识别2,645个的十五倍，但纯度未与DR13匹配；作者据此以候选列表形式发布样本。 研究为方法学与数据应用类工作：把El-Badry等（2018b）的双线光谱
AI驱动矿山灾害管理的演进趋势：从统计模型到物理信息神经网络与可解释AI的综述
该综述认为，AI/机器学习在岩爆预测、边坡稳定性分析与瓦斯突出预报等任务中已显示出应用潜力，但纯数据驱动模型受数据稀缺、类别不平衡与物理一致性不足制约，深度学习黑箱性也限制其在安全关键场景的可信度；整体属叙述性综述，证据档位为C。 研究设计为综合性文献综述，梳理AI在矿山地质灾害
基于蒙特卡洛搜索的推理分解方案预缩放用于优化代码合成
该条目为期刊论文的出版信息资讯，仅报告题名、作者与出版卷期，未提供摘要与结果，因此无法给出方向性结论；证据档位为C，不足以下结论。 研究设计与做法材料未报告；从题名可推测涉及对推理分解方案进行蒙特卡洛搜索以实现预缩放，并用于优化代码合成，但具体设计类型、样本量、对照与随访时长均材
