PubMed Central
PulseAugur coverage of PubMed Central — every cluster mentioning PubMed Central across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI幻觉将虚假引文插入科学论文
人工智能工具越来越多地在学术论文中插入虚构的参考文献，这种现象有损科学过程。一项对生物医学文献的研究发现，近3000篇论文中存在超过4000个虚假引文，自2024年以来此类错误的发生率急剧上升。这些AI生成的错误会损害循证医学指南和患者治疗，因为研究基础层面的错误会沿着整个知识链传播。
-
Developer benchmarks RAG pipelines on Indian health literature
A developer is building a system to benchmark retrieval-augmented generation (RAG) pipelines using Indian public health literature. The platform will compare three AI retrieval methods on approximately 9,000 research pa…
-
使用多模态图像进行医学思考
研究人员开发了MIRAGE系统，旨在通过检索和生成多模态医学图像和文本来辅助医学教育。MIRAGE利用了经过微调的CLIP模型（MedICaT-ROCO）和扩散模型（Prompt2MedImage），允许用户根据文本提示查找或创建相关图像。此外，一个大型语言模型（Dolly-v2-3b）提供了丰富的描述，并且该系统支持对不同医学状况进行视觉比较。其目标是为全球医学生提供一个免费、易于访问且交互式的学习工具，该工具完全基于公开可用的预训练模型构建。
-
New AI models and datasets advance vision-language capabilities in ophthalmology and surgery
Researchers have introduced PubMed-Ophtha, a new dataset comprising over 100,000 ophthalmology image-caption pairs extracted from scientific literature. This dataset aims to address the scarcity of high-quality data for…
-
新研究通过新颖的检测和缓解技术解决大语言模型幻觉问题
2026年5月发布的多篇研究论文提出了检测和缓解大语言模型（LLMs）幻觉的新方法。这些方法包括内部重建技术（如SIRA）、问答分解（QAOD）和隐藏状态轨迹分析。其他方法侧重于token级检测、按时间顺序的事实核查以及使用指令嵌入作为检测器。一项研究还量化了大语言模型生成的科学论文中不存在引用的普遍问题，突显了问题的规模。