cs 篇论文 | Gist.Science

本文介绍了 MedConclusion，这是一个包含 570 万条结构化生物医学摘要的大规模数据集，旨在基准测试并推进评估大语言模型从结构化证据中生成科学结论的能力。

本文引入了一个分解框架和无泄漏评估协议，旨在证明在帕金森病诊断中，通过生成式增强获得的表观分类增益往往是评估泄漏的产物，并揭示了尽管潜空间平衡能够产生高保真度的合成数据，但其并不能提高模型相对于未增强基准模型的性能。

本研究提出了一种多模态框架，该框架将眼动、光照和车速数据与一种新型的 RaceGrid-OPTICS 聚类算法以及 WA-PSRSMformer 深度学习模型相结合，旨在准确评估并预测动态光照条件下的驾驶员视觉负荷，在隧道环境下实现了 90.13% 的准确率。

与普遍认为多智能体系统优于单模型的假设相反，本研究表明，在资源受限的基础医疗场景中，单个高性能本地大语言模型（GPT-oss-20b）在诊断准确性、安全性及延迟方面均优于复杂的多智能体架构，从而主张采用“精益人工智能”（Lean AI）策略而非计算昂贵的集成工作流。

本文提出了一种基于模拟的框架，用于确定配对临床人工智能基准评估中必要的样本量，以解决传统方法的局限性，并通过一项血脂异常研究证明，决定比较结论是否在统计学上可达到的，是预先计算的样本量，而非系统性能本身。

本文介绍了 MineralBench，这是一个包含三个专门任务和四个指标的综合评估基准，旨在系统地评估和比较 13 个大语言模型在矿产资源领域的性能，揭示了通用能力与领域特定能力之间的显著性能差距，以及微调任务依赖性的特征。

本文提出了一种用于室外移动机器人的集成 YOLOv8-SLAM 框架，该框架增强了小目标检测，消除了视觉 SLAM 中的动态干扰，并通过结合蚁群算法与动态窗口法的混合方法优化了从全局到局部的路径规划，从而显著提高了复杂环境中的感知精度、轨迹估计能力和导航成功率。

这项基于 CiteSpace 的、针对 1,685 篇 Web of Science 文章的文献计量分析显示，自 2023 年以来，关于人工智能驱动的心理健康干预的研究出现了剧增，突显了中国和美国的重要贡献，同时识别了当前在大语言模型和伦理挑战方面的热点，以及对标准化临床转化和多国协作的迫切需求。

本文介绍了一套多领域的标准化以物体为中心的数据集集合，旨在促进人工智能研究中受控的低数据实验和可复现的数据增强工作流。

这项研究表明，将可解释人工智能（XAI）集成到界面设计工具中，能显著提升用户在 UI 设计任务中的产出结果，包括创造信心、感知学习、信任、自主性和可用性，这表明 XAI 促进了用户对 AI 建议的批判性参与，同时也强调了未来研究需要直接衡量其对网络安全和隐私素养行为的影响。