SP-Mind: An Autonomous Reasoning Agent for Spatial Proteomics Analysis

SP-Mind описывается как автономный агент для пространственной протеомики, который покрывает путь от сырых мультиплексных изображений тканей до поиска фенотипов. Это важно, потому что такие пайплайны обычно сложны, многошаговы и требуют редкой экспертизы; если агент действительно может связать все этапы в одну систему, это способно ускорить исследования рака и тканевой биологии.

PROMPT: A Pre-registered Randomized Protocol for Component-Level Evaluation of Clinical AI Prompts

PROMPT предлагает оценивать клинические AI-промпты как полноценные экспериментальные вмешательства: с предварительной регистрацией и рандомизированной проверкой отдельных компонентов. Для медицинского ИИ это сильный сигнал в сторону воспроизводимости: вместо бесконечного «подкручивания формулировок» появляется попытка доказательно понять, какие элементы промпта реально улучшают результат.

Ten Digits on a Train: AI-Assisted Verification of Two Constants

Эта математическая работа использует ИИ не просто для получения числа, а для проверки утверждений о вычисленных константах с опорой на доказуемость. Значимость тут в том, что это более строгий сценарий для ИИ в математике: система полезна как помощник, но доверие к результату по-прежнему строится вокруг верифицируемого доказательства, а не только впечатляющего ответа.

Interfacial-melt stability as a thermodynamic prerequisite for synthesizability in AI-assisted materials discovery

Авторы предлагают использовать стабильность межфазного расплава как термодинамический фильтр для проверки, можно ли вообще синтезировать предложенный ИИ материал в лаборатории. Это важный практический шаг для AI-assisted materials discovery: слишком много красивых кандидатов оказываются нереализуемыми, и такие физически осмысленные фильтры помогают сократить разрыв между модельным предсказанием и экспериментом.

BioHarness: Substrate-Aware Evidence Assembly for Biomedical Question Answering across Literature, Knowledge Bases, and Biological Atlases

BioHarness собирает ответы на биомедицинские вопросы сразу из нескольких типов источников — статей, баз знаний и биологических атласов. Для науки это важно потому, что реальные исследовательские вопросы редко решаются по одному корпусу данных: инструмент, который умеет собирать и согласовывать разнородные свидетельства, делает ИИ заметно полезнее для повседневной научной работы.

Источник: arXiv