通用大模型作为受限晶体组分生成器：Elpasolite基准评估
在Elpasolite大化学空间基准上，通用大语言模型经迭代提示-应答框架可平均找回目标区域中96%的低能Elpasolite组分，作者据此提示其在目标性质空间覆盖上可能优于既往任务专用生成模型，但该结论基于单一基准，属提示性证据。 研究为计算基准评估类设计，材料未报告具体样本量
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
The impact of GenAI on the future of requirements engineering
Abstract Recent advances in artificial intelligence (AI), particularly large language models (LLMs), are transforming how we design and buil
医护人员对医疗大语言模型态度及采纳与监管偏好的横断面调查
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。
机器学习预测心血管病风险算法的系统综述：前景与临床不确定性
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。
审计"审计者"：无标签、可校准地测量 LLM 诊断中的无依据断言（ATRACC 2026）
场景：微服务事故诊断。核心工具 TCA（Telemetry Claim Adjudicator） 是一个不依赖结果标签的机械裁决器，逐条裁定 LLM 智能体在诊断中引用的遥测断言是否有依据。 配套制品：6 种架构臂 × 2 个基准的诊断 harness；以 SHA-256 请求号
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。
人工智能驱动磁性能预测与自旋电子材料发现综述
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。
面向生命周期的供应链策略：模糊-LLM混合决策支持系统
提出一种融合模糊方法与LLM的混合决策支持系统，用于生命周期导向的供应链策略。 研究构建模糊-LLM混合决策支持系统，面向供应链生命周期进行策略决策支持。
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
