标签: 大型语言模型

全球超3亿人受罕见病影响，但及时准确诊断仍是难题，患者常经历超5年的“诊断之旅”。DeepRare是基于大型语言模型的多智能体系统，整合40多种专业工具和最新知识，处理文本描述、标准化表型术语及基因检测结果，生成带透明推理的诊断假设。在9个数据集2919种疾病测试中表现优异，HPO任务Top-1召回率57.18%（领先23.79%），多模态测试达69.1%，专家对推理链认可度95.4%。

标签: DeepRare 多智能体系统 大型语言模型 罕见病 诊断系统

随着大型语言模型（LLMs）在陪伴、医疗咨询等敏感领域应用增多，评估其道德能力愈发重要。本文指出需从评估道德表现转向道德能力（基于道德考量产出恰当结果），并识别三大挑战：模仿问题（模型可能仅模仿推理而无真理解）、道德多维性（决策受多种情境因素影响）、道德多元性（全球部署AI需新标准），同时提出应对路线图。

标签: 大型语言模型 模仿问题 道德多元性 道德能力 道德评估

聊天机器人驱动的实验室机器人正在实现蛋白质合成等方法的自动化。OpenAI和Ginkgo Bioworks研发的自主实验室系统通过测试大量实验条件，成本降低幅度超过人类实验，引发替代讨论，但技术尚存局限，人类专业知识仍不可或缺。

标签: 大型语言模型 实验室机器人 无细胞蛋白质合成 自主实验室 蛋白质合成

由学术界开发的开源AI程序OpenScholar，能比人类专家和部分通用聊天机器人更准确回答科学问题，助力科学家应对爆炸式增长的科研文献，其代码和数据开放可复现。

标签: OpenScholar 大型语言模型 科学文献分析 科研论文检索

两项发表于《自然-健康》的研究显示，大型语言模型（LLMs）在卢旺达和巴基斯坦的医疗场景中能提升诊断成功率，甚至优于训练有素的临床医生，有助于支持中低收入国家的医疗服务。

标签: 中低收入国家 大型语言模型 诊断准确性

1950年图灵提出“模仿游戏”（图灵测试），探讨机器能否展现类人认知能力。如今大型语言模型（如GPT-4.5）在图灵测试中被误认为人类的概率达73%，并在数学竞赛、定理证明等多任务中表现出色。尽管专家对通用人工智能（AGI）存在争议，但作者认为，依据合理标准（包括图灵标准），当前AI已具备通用智能。

标签: 图灵测试 大型语言模型 认知能力 通用人工智能 通用智能

大型语言模型能力快速提升，现有测试基准难度不足（如MMLU准确率超90%）。为此，研究人员推出“人类终极测试”（HLE），含2500道多学科专家级题目，覆盖数学、人文等，现有模型表现差，凸显能力差距，已公开供研究。

标签: 专家级评估 人类终极测试 多模态问题 大型语言模型 能力基准

一项研究显示，生成式AI在某些创造力任务上已达人类平均水平，但最具创造力的人类仍具明显优势。AI并非取代创作者，而是成为辅助人类创造力的强大工具。

标签: 人类与AI比较 创造力 发散联想任务 大型语言模型 生成式AI

一项发表于《自然·通讯》的研究发现，人类理解语言时大脑构建意义的过程，与GPT-2、Llama 2等大型语言模型处理文本的分层方式惊人相似。通过脑电记录，团队揭示两者均逐步整合信息，为理解大脑语言机制及开发更贴近人脑的模型提供新思路。

标签: 人工智能-大脑相似性 大型语言模型 大脑语言处理 语言神经科学

科学文献指数级增长带来挑战，大量新化学反应难转化为实验。研究推出MOSAIC框架，借助AI整合数百万反应知识，成功率71%，合成35种以上新药、材料等化合物，并能发现新反应方法，推动化学合成发展。

标签: AI辅助化学合成 MOSAIC框架 化合物合成 反应方法学 大型语言模型