AI科研 | 知识分享官

AI“查错官”上岗：审论文、查手册，还揪出了错75年的沸点数据化学家鉴定物质、设计蒸馏工艺，常要查参考手册里的沸点值

Tue, 11 Aug 2026 03:47:01 GMT

AI“查错官”上岗：审论文、查手册，还揪出了错75年的沸点数据

化学家鉴定物质、设计蒸馏工艺，常要查参考手册里的沸点值。但如果这些被奉为“权威”的数字，本身一直就是错的呢？

浙江实验室的理论化学家Pios在用AI预测分子沸点时，发现结果总与一本有75年历史的参考数据库“打架”。他起初以为是模型出错，人工核对原始文献后才确认：错的是数据库，其中既有论文笔误，也有百年前的错误测量值。更系统的测试显示，AI代理评估了2026年ICML口头报告的168篇论文，92篇可评估的论文中仅34篇能复现至少五分之二的核心结论，复现率超80%的只有8篇；另一项研究则发现，NeurIPS论文中的客观错误数从2021年的3.8个升至2025年的5.9个，涨幅达55%。

这表明AI能以人类难以企及的速度和规模扫描文献、修补“科学地基”。但研究者也提醒：AI查错员同样会犯错，结论必须经人工复核，而“创新性”“重要性”这类主观判断，还是该留给人类。

以后大家的毕业论文会被人进行回溯审查嘛😭 一看一个尴尬😢

📖Nature （news）
📃AI agents are checking the scientific literature, and spotting decades-old errors
🗓2026-08-06

#AI科研 #文献核查 #科研诚信 #可复现性

Via：乘风破浪派大星

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

AI 写的故事比人类更受欢迎？研究：读者评分反超，但“人类”标签仍是加分项写小说曾被视为“人类创造力的最后堡垒”

Fri, 07 Aug 2026 05:23:35 GMT

AI 写的故事比人类更受欢迎？研究：读者评分反超，但“人类”标签仍是加分项

写小说曾被视为“人类创造力的最后堡垒”。但一项发表于《Judgment and Decision Making》的新研究给这观念泼了盆冷水：在读者眼中，AI 生成的短篇故事，吸引力和质量评分竟然双双超过了人类作家的作品。

研究者让 1682 名成年人各读一篇约千词的故事（三篇人类作品、三篇 ChatGPT 生成）并对吸引力和质量打分。结果显示：AI 故事的吸引力（1.42 对 1.00）和质量（1.54 对 0.97）得分均更高；但无论故事真正出自谁手，被告知“人类所写”的作品得分都更高。两项共 905 人的“人机辨认”实验中，正确率仅约 40% 和 52%，与随机猜测无异；自我报告的 AI 使用经验（而非文学素养）反而与识别正确率正相关。作者分析，AI 文字更流畅、更易读，迎合了人们对“易消化”内容的偏好，这可能是高分主因；而“人类标签”的加成，则折射出人们对真实性的情感需求。

这是否意味着人类作家出局？作者 Weisberg 本人就是创意写作者，她强调 AI 长篇小说的形态可能与人类作品明显不同，而人类写作承载着自我表达与理解生命体验的意义，AI 写得再像人，也改变不了这些。

人类作家输给了“更好读”，但“更好读”从来不是文学的全部，别慌 🍿

📖Judgment and Decision Making
📃Bot or not: Can people tell the difference between stories written by a human or by an AI system?
🗓2026-08-05

#AI写作 #短篇小说 #读者偏好 #创造力 #社科 #社会科学

via：乘风破浪派大星

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

阿里联合顶尖三甲，实现无创、低成本结直肠癌筛查结直肠癌是导致癌症死亡的主要原因之一，早期筛查对降低死亡率至关重要

Thu, 30 Apr 2026 23:00:20 GMT

阿里联合顶尖三甲，实现无创、低成本结直肠癌筛查

结直肠癌是导致癌症死亡的主要原因之一，早期筛查对降低死亡率至关重要。目前常用的结肠镜和CT结肠造影虽有效，但存在肠道准备复杂、侵入性强、患者依从性低等问题。为此，研究人员开发了一种名为COCA的新型方法，利用非对比增强CT扫描结合深度学习技术，旨在实现无创、低成本、可大规模应用的结直肠癌筛查。

这项多中心、国际性的回顾性研究纳入了1,321名结直肠癌患者和1,357名健康对照，用于开发COCA模型。该模型采用联合病变分割与分类架构，并优化了混合监督学习。验证阶段涉及来自六个中心的2,053名患者，结果显示COCA的ROC曲线下面积（AUC）在0.967至0.996之间。与放射科医生相比，COCA将结直肠癌检测的敏感度提高了20.4%，特异性提高了5.4%。在两个真实世界队列中，COCA在9,016名连续患者中达到88.2%的敏感度和99.5%的特异性，在18,427名患者中保持86.6%的敏感度和99.8%的阳性预测值。

COCA在物理检查、急诊、门诊及住院等不同临床场景中均表现出稳健性能，有效避免了结直肠癌的漏诊。这些发现表明，COCA有望成为大规模机会性结直肠癌筛查的有力工具，为提高筛查效率、降低死亡率提供新途径。不过，研究仍需更多样本验证，并持续优化模型以适应不同人群和临床情况。

AI比医生还细心，结直肠癌检测新利器🤖

来源：Annals of oncology : official journal of the European Society for Medical Oncology

#结直肠癌 #AI #CT扫描 #深度学习 #癌症筛查

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

AI生成X片已经能以假乱真？随着AI技术的发展，用大语言模型（LLM）生成逼真的合成医疗影像（即“深度伪造”或deepfake）已成为现实

Fri, 03 Apr 2026 05:00:39 GMT

AI生成X片已经能以假乱真？

随着AI技术的发展，用大语言模型（LLM）生成逼真的合成医疗影像（即“深度伪造”或deepfake）已成为现实。这给医疗诊断带来了潜在风险，比如可能被用于误导诊断。一项新研究评估了放射科医生和多种大语言模型（LLMs）能否区分由ChatGPT生成的合成X光片与真实的临床影像。

研究团队邀请了17位来自不同国家的放射科医生，评估了154张影像（77张合成，77张真实）。结果显示，在不知情的情况下，41%的医生能识别出AI生成的影像。当医生被告知部分影像是合成的后，他们的准确率约为70%至75%，但不同医生之间差异不大。在LLMs测试中，GPT-4o和GPT-5能以85%和83%的准确率区分合成影像，而Llama 4和Gemini的准确率仅为59%和56%。合成影像的常见特征包括双侧对称、均匀的噪声或颗粒，以及过于平滑的软组织纹理和骨骼表面。

研究结论指出，无论是放射科医生还是当前的大语言模型，都难以轻易区分AI生成的合成影像与真实影像。这凸显了在医疗领域识别和防范深度伪造技术的紧迫性。研究强调，为应对这一挑战，需要加强对医生和LLMs的培训，并利用像DeepFakeXRay这样的专用数据集。不过，研究也指出，样本量或模型版本可能影响结果，未来仍需更多研究来验证这些发现。

放射科医生也怕“AI画”的X光片？😅

来源：Radiology

#AI医疗 #合成影像 #放射诊断 #Deepfake #大语言模型

via: 热心群友

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

可穿戴智能喉部系统让中风失语患者“开口说话”？——AI解码技术助患者自然沟通中风后，很多患者会因神经损伤导致说话不清、费力，甚至无法正常交流，这给患者和家属带来巨大困扰

Wed, 28 Jan 2026 11:36:14 GMT

可穿戴智能喉部系统让中风失语患者“开口说话”？——AI解码技术助患者自然沟通

中风后，很多患者会因神经损伤导致说话不清、费力，甚至无法正常交流，这给患者和家属带来巨大困扰。传统康复方法虽能改善发音，但难以实现流畅、自然的沟通。如今，一项新研究带来希望：科学家开发出可穿戴智能喉部系统，通过AI技术帮助中风失语症患者恢复自然说话能力。

该系统巧妙结合了高灵敏度纺织应变传感器和颈动脉脉搏信号传感器，精准捕捉颈部肌肉振动与血流信号。这些信号被实时传输至大型语言模型（LLM），LLM不仅能解码语音指令，还能智能纠正单词错误、增强句子情感与逻辑连贯性。在5名中风后失语症患者的测试中，系统表现亮眼：单词错误率仅4.2%，句子错误率2.9%，且用户满意度提升55%，实现了延迟极低的流畅沟通。

这项研究为神经疾病患者提供了便携、直观的沟通平台，有望广泛应用于不同神经损伤场景。不过，目前测试样本量较小，且系统对多语言支持仍需进一步探索，未来需更多大规模研究验证其临床有效性。

中风失语？AI智能喉部系统给你当“嘴替”，连错别字都帮你改得明明白白🤖

来源：Nature communications

#中风失语症 #可穿戴智能设备 #AI语音解码技术 #神经康复

🧬 频道｜ 🧑‍🔬 群组｜ 📨 投稿

《自然》：虚拟实验室自主设计出新冠新变体“克星”近日，《自然》期刊发表了一项突破性研究

Thu, 31 Jul 2025 11:27:47 GMT

《自然》：虚拟实验室自主设计出新冠新变体“克星”

近日，《自然》期刊发表了一项突破性研究。科学家们构建了一个名为“虚拟实验室”（Virtual Lab）的 AI 智能体团队，并成功让它自主设计出了能结合新冠最新变种（如 JN.1 和 KP.3）的新型纳米抗体，人类研究员全程只贡献了 1.3% 的文字输入。

这个虚拟实验室由多个扮演不同角色的 AI 科学家（如免疫学家、机器学习专家）和一个 AI“首席研究员”（PI）组成，通过模拟学术会议进行讨论和决策。在人类研究员仅提供高层指导下，AI 团队自主决定了研究方案：选择三种主流生物计算工具（ESM、AlphaFold-Multimer、Rosetta），并构建了一个全新的流程，用以改造已知的旧抗体。

AI 设计的 92 个纳米抗体在随后的真实生物实验中得到验证，其中两个突变体表现突出，成功获得了对新冠 JN.1 或 KP.3 新变体的结合能力。这项研究不仅获得了有应用前景的候选药物，更展示了 AI 已能胜任复杂的跨学科、开放式科研任务，未来或将极大加速科学发现的进程。

研究员：老板给资金，我下命令，AI 当牛马，文章专利挂我名下，爽！😈

Nature

#AI制药 #虚拟实验室