Scopus
PulseAugur coverage of Scopus — every cluster mentioning Scopus across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
研究发现：LLM 在环境科学文献检索中的准确性中等
一篇新发表在 arXiv 上的研究评估了大型语言模型（LLMs）在检索环境科学文献书目信息方面的准确性。研究人员比较了包括 Claude、ChatGPT、Grok、DeepSeek、Perplexity 和 Gemini 在内的多个 LLM 的性能，方法是使用基于摘要和全文的提示，针对来自顶级环境科学期刊的 50 篇随机选择的文章。研究发现，基于摘要的提示通常比全文提示具有更高的准确性，准确性也因 LLM 平台、期刊以及参考文献在输出…
-
视频运动捕捉缺乏临床验证，审查发现
对 2015 年 1 月至 2026 年 2 月期间发表的 117 项研究进行的系统性文献回顾发现，基于视频的无标记运动捕捉尚未能有效替代临床环境中的传统标记式系统。虽然矢状面下肢的一致性约为 5-6 度，但仍未达到临床可接受的标准，并且在平面外运动学、动力学和病理人群方面的验证很少。该回顾强调了新兴计算机视觉进展与其在已验证的生物力学研究中的整合之间存在显著差距，表明未来的研究应侧重于这些领域以提高临床相关性。
-
新的PIMMUR原则揭示大型语言模型社会模拟可能捕捉到模型偏差，而非人类行为
一篇新发表在arXiv上的论文详细介绍了PIMMUR原则，这是一个旨在确保使用大型语言模型（LLMs）进行的群体行为模拟有效性的框架。研究人员审计了四个数据库中的576项研究，发现许多模拟未能满足PIMMUR标准，包括主体画像、交互、记忆、最小控制、无意识和现实性。当强制执行这些原则时，先前在五项实验模拟中报告的涌现行为常常消失或逆转，这表明许多观察到的现象是方法学上的产物，而非真正的社会动态。
-
研究发现：AI模型可能正在缩小考古学研究方法
一篇新论文调查了大型语言模型（LLMs）是否正在缩小考古学研究中的方法多样性。对2010年至2025年间Scopus收录的近119,000篇考古学摘要的分析显示，2023年后方法使用出现微小变化，但总体多样性有所增加。然而，一项对照实验表明，当被提示时，LLMs推荐的方法范围明显窄于文献中发表的方法，这表明可能存在趋同趋势。
-
人工智能和深度学习用于肺癌检测：系统性综述
一项系统性映射研究回顾了 2015 年至今关于将人工智能 (AI) 和深度学习 (DL) 应用于医学影像肺癌检测的 96 篇文章。研究强调了使用迁移学习和数据增强的卷积神经网络 (CNN) 在提高诊断准确性和效率方面的有效性。然而，该研究也指出了重大挑战，包括数据标准化、模型可解释性、患者隐私和伦理考量，强调在广泛临床应用之前需要进一步的研究和监管。
-
康奈尔大学扩大人工智能素养计划，之际学术同行评审面临过载
康奈尔大学在试点成功后，将把人工智能批判性素养计划扩展到所有新生、教职员工。该计划通过Canvas平台提供，将涵盖生成式AI基础知识、伦理考量、对学习的影响以及个人政策制定。与此同时，学术界正面临同行评审的挑战，因为已发表论文数量呈指数级增长，导致研究人员难以投入必要的时间进行评审。
-
AI审稿人被修辞操纵；AI辅助同行评审面临质量挑战 · 追踪3个来源
一篇新论文探讨了AI审稿人如何通过科学手稿中的修辞措辞被操纵，发现证据的构建方式和新颖性立场显著影响AI的判断。该研究构建了一个包含4200篇手稿的语料库，由LLM改写器修改，并由五个LLM审稿人进行评估，揭示了AI审稿质量可能受到风格选择而非仅仅是内容的影响。同时，另一项研究调查了会议和期刊的AI审稿政策，注意到AI/NLP领域与医学领域之间存在显著的监管差异，并发现当前的LLM虽然流畅，但表现出诸如过度积极的推荐和不均衡的证据基础…
-
人工智能、计量学和 ESG 在半导体可持续发展中的交叉
一篇新发表在 arXiv 上的范围审查文章，探讨了半导体行业中人工智能 (AI)、计量学以及环境、社会和治理 (ESG) 因素的交叉点。该论文分析了 1,465 份文件，发现知识结构零散，突显了 AI 驱动的流程优化与可持续发展治理之间的差距。为解决此问题，文章提出了一个 6 层安全和可持续设计 (SSbD) 架构，利用系统之系统 (SoS) 范式整合虚拟计量学、联邦学习和监管技术 (RegTech)，以实现安全、气候中和和循环的半导体价值链。
-
ToolSciVer框架利用视觉工具增强科学声明验证
研究人员开发了ToolSciVer，一个旨在增强多模态科学声明验证的新型框架。该系统利用一个视觉语言模型，并辅以专门的视觉工具来解释科学论文中的图表和表格。ToolSciVer使用Group Relative Policy Optimization进行训练，以确保准确性、效率和正确的格式，在基准数据集上的表现优于现有方法。
-
无人机航线规划用于环境监测的综述
一项系统性文献综述正在进行中，旨在综合关于自主无人机（UAV）用于环境监测的航线规划的研究。该综述遵循 PRISMA 2020 框架，已筛选了 2015 年至 2026 年间发表的 400 多篇研究。初步研究结果表明，研究重点在于覆盖优化和多无人机协调，而对天气和障碍物等环境因素的关注较少。相当一部分研究依赖于模拟，这表明模拟性能与实际性能之间可能存在差距。
-
神经外科手术脑部变形建模综述：学习方法显示出潜力但面临临床挑战
本系统性综述考察了用于影像引导的神经外科手术中脑部变形配准与建模的数据驱动方法，重点关注 2020 年至 2025 年间开发的基于学习的方法。研究人员分析了来自主要数据库的 46 篇符合条件的论文，将方法学分为图像配准的深度学习、直接变形场回归和混合模型等类别。虽然这些方法在准确性和效率方面显示出潜力，但在鲁棒性、标准化基准测试、可解释性和临床就绪性方面仍存在挑战。
-
可解释AI在心力衰竭检测方面展现潜力但面临局限
最近对20项研究的回顾表明，虽然可解释人工智能（XAI）在检测和表征B期心力衰竭方面显示出潜力，但其目前的实施受到限制。关键问题包括XAI方法采用不一致，SHAP是最常用的但通常不足，并且在分析中缺乏对性别和种族亚组的考虑。此外，XAI输出的评估和外部验证常常不足，阻碍了通用性和临床应用。
-
人工智能和机器学习在图书馆中的应用：系统性综述
对实证研究进行的系统性综述，综合了关于人工智能（AI）和机器学习（ML）在图书馆中应用的研究。该综述分析了三十二篇选定的文章，发现LIS领域当前的研究主要集中在理论方面，但也注意到了一些实施项目和案例研究。这项工作旨在全面概述图书馆中的AI和ML，以指导研究人员、从业人员和教育工作者开发面向技术的方法并预测未来的创新。