#生物医学

做科研自动化或 Agent 评测的可以看看这个新基准，64 个真实生物医学建模任务，防泄漏设计做得比较扎实。结论挺有意思：Agent 强在灵活改方法，但基础模型被禁用就掉 9 分。想测自家 Agent 在科研场景上限的团队直接能用。

一群研究者从 300 万条医学结论里学出时间方向，让模型顺着推未来假设，CAR-T 假设还被专家认可了 37 个。

机器学习研究者必读，教你如何避免数据泄露陷阱，选择正确的验证方法。

这篇论文对研究多语言生物医学信息处理的人很有用，它详细分析了知识增强大模型在概念归一化任务上的表现，并提供了新的基准测试数据。

npj Digital Medicine@Douglas Teodoro原文

他们用物理模型加Transformer，能从肌肉收缩曲线提取参数，还测了杜氏肌营养不良样本，搞组织工程的可看看。

做生物医学文本挖掘或因果推理的团队终于有了一个高质量、细粒度的标注资源，可以直接用来训练和评估模型，建议点开看看数据细节。