生成式AI与主动学习提升纳米结构材料比刚度
该研究提示，在体素化结构空间中直接搜索可系统发现超出预设拓扑族的力学高效纳米结构，所发现的架构在计算与实验层面均表现出更高的杨氏模量与强度。 设计为计算框架结合实验验证：将立方对称单胞（杆基、TPMS基与混合族）编码为连续潜表示，采用代理模型引导的多目标搜索与主动学习循环，共进行
通用大语言模型经PEARL连接机器人实现实验推理的八场景研究
结论：通用大语言模型在连接液体处理机器人与相机后，表现出相当的实验推理能力，可自主设计、执行并修正实验；该结论来自预印本，属提示性证据，尚不足以下强结论。 设计：预印本报告的系统性演示研究；将通用LLM通过PEARL（提供感知、动作与持久状态）接入液体处理机器人和相机，仅给定目标
检索后验证评估大语言模型生成医学信息的证据支持与幻觉：实证研究
研究提出并评估“检索后验证”方法，用于衡量大语言模型生成医学信息的证据支持度与幻觉。 针对AI生成医学信息缺乏源文档明确支持的问题，开展实证研究以直接评估其是否基于底层证据。
闭环强化学习分子设计：生成式 AI 与自动合成的衔接评述
这篇批判性综述与观点文章提出，闭环强化学习可将生成式分子设计与自动合成、实验评价衔接，但当前尚不足以下结论其能提升药物发现产出；文中明确表示前瞻性验证仍属必要。 设计为叙述性综述与框架提案，非原始实验；材料未报告样本量、干预与对照、随访时长，亦未报告检索策略与纳入文献数量。
机器学习用于儿童肠套叠诊断与预后的系统评价与荟萃分析
该系统评价与荟萃分析提示，基于超声的机器学习模型在儿童肠套叠诊断中具有较高且外部验证稳健的准确性，腹部X线模型更适合筛查；但无研究报告临床终点数据，故尚不足以下结论认为可替代现有诊疗路径。 研究设计为PROSPERO注册（CRD420251073590）的系统评价与荟萃分析，纳入
连接自然、数据与人工智能：天然产物发现的跨学科路径
文章提出以跨学科整合方式，将人工智能与多组学数据结合，用于应对天然产物发现中的瓶颈问题。 传统天然产物发现受限于重复发现、去重复效率低、沉默生物合成基因簇及结构解析复杂等障碍。
基于预训练蛋白语言模型的肽类激素预测框架pLM-HP
提示：结合ESM2蛋白语言模型与双向长短期记忆网络并引入类别权重，pLM-HP在肽类激素预测上表现较好，但属计算预测，尚不足以下临床结论。 研究为计算方法开发与基准评估，非人体或动物实验；采用五折交叉验证与独立测试集评估，样本量、干预与对照、随访时长材料未报告。
机器学习移动应用CROHN'S AID鉴别克罗恩病与肠结核的开发与前瞻性验证
研究开发并前瞻性验证了机器学习移动应用“Crohn's Aid”，用于在结核流行地区床旁实时鉴别克罗恩病与肠结核。 基于印度三级中心1066例患者（克罗恩病650例、肠结核416例）的前瞻性维护数据库进行回顾性分析，用30项临床、内镜与影像变量训练多种模型。
错位之设计：基层医疗场景下生成式AI的评估与部署
作者认为生成式AI在基层医疗的核心问题不是性能本身，而是评估与部署方式的错位。 文章基于北欧与欧洲视角，提出六项基层医疗现实条件作为讨论框架。
从问答到智能体：生成式与智能体AI成为血液学临床基础设施前需改变什么
血液学生成式AI正从问答转向执行任务，制约因素或由准确性转向可治理性。 该文为观点性论述，讨论智能体在病例结构化提取、分流、变异分类及指南与病例记忆锚定推荐中的应用。
