临床研究提问不再逐条手写SQL:智能体流水线在50项儿科骨科查询中与分析师队列对照
临床研究中的自然语言数据查询过去要由工作人员翻译成可计算规则、挑选数据源并手写院内查询。一个基于大语言模型的多智能体流水线把研究者提交的请求拆成按数据源划分的任务,生成并执行SQL,再结合结构化记录与病历文本判读。在50项儿科骨科查询中,43项完成人工复核,调整后每项请求的中位阳性预测值为0.93、观察并集内敏感度为0.92、F1为0.90。
临床研究中的自然语言数据查询过去要由工作人员翻译成可计算规则、挑选数据源并手写院内查询。一个基于大语言模型的多智能体流水线把研究者提交的请求拆成按数据源划分的任务,生成并执行SQL,再结合结构化记录与病历文本判读。在50项儿科骨科查询中,43项完成人工复核,调整后每项请求的中位阳性预测值为0.93、观察并集内敏感度为0.92、F1为0.90。
当原始RTL与设计文档缺失、只剩门级网表或完整真值表时,RTLREX让大语言模型在专用工具之间调度分析、生成候选RTL,并用独立等价性检查确认结果。在ICCAD 2022 CAD Contest Problem A的30个基准上,它全部恢复出等价的高层RTL,覆盖超过WolFEx的26个;在两者都恢复的26个基准上,平均语法代价比WolFEx低20.5%。
State-inferer把协议实现的状态机提取改成按程序依赖切片:从状态变量赋值出发,在系统依赖图上做有深度上限的前向与后向搜索,为每条状态转移切出一段紧凑代码交给大模型,再把RFC安全属性特化成该模型上的线性时序逻辑公式,用nuXmv模型检验。在TLS、IKEv2、SSH的七个开源实现上,其宏平均严格转移级F值为95.2,最强基线Codex为78.9;并发现四个此前未知漏洞,均已获得CVE或CNVD编号。
MIT 与纽约大学的研究者推出 FLEX,一套面向机器人运动规划的特征编辑流程,让机械臂在接到自然语言指令后不只照字面执行,还能推断出未明说的更高层意图。此前的方法每收到一次纠正就把一个物体加进避让清单,清单会越积越长且随环境变化失效。FLEX 用大语言模型在已指定特征之间做归纳,再用视觉系统删除已不在场的物体,在端咖啡、移蜡烛、搬保龄球三个仿真任务中,机器人既执行了字面指令,也把避让扩展到电子设备、易燃物和易碎品。
LLM驱动的互动叙事系统长期难以横向比较,因为每个体验管理器都绑定在自己的专属剧情上。一个基于LLM的叙事平台把体验管理器做成可互换模块,共享由事实、操作和目标构成的符号世界模型,每次实际执行的操作都带有显式前置条件与效果,因此任意一次会话都能还原为统一的状态转移路径。在《小红帽》场景上,开放生成、蒙特卡洛修复和自主角色三种管理器各跑100次模拟会话,结果显示没有一种管理器在玩家能动性、管理器可控性、作者意图和鲁棒性四项属性上全面占优。
患者安全推理需要把临床叙述、用药、检验与不良事件之间的关系连起来,单靠大语言模型容易给出看似合理却缺乏依据的结论。同一批 MIMIC-III/IV 病例在相同 LLaMA 2 7B 与提示下被分别置于四种条件:纯模型、加检索增强生成、加患者安全知识图谱与本体、两者兼有。完整框架在概念抽取上达到 F1 0.89,相对基线提升 0.046;消融中移除知识图谱的降幅最大,F1 差 0.047、AUROC 差 0.084、AUPRC 差 0.110,而移除检索增强的 F1 差 0.029,其置信区间跨过零。
Eval Protocol 把 GEPA 提示词优化接入已有的评测接口,让同一套数据集、指标和任务约束既衡量智能体表现,也自动改写系统提示词。在 Text2SQL 案例中,Qwen3-32b 不改动模型权重,测试集准确率提高10%,验证集准确率提高超过5%,提示词搜索约用45分钟;同一评测随后还可作为 RFT 的目标。
软件测试用例设计长期依赖人工,而把生成当作一次性文本翻译的模型难以处理多层业务规则。一个由解析、分诊、架构、编写、审计五个角色组成的智能体流水线,把测试生成改成带状态的推理流程,审计角色在输出前反复修正脚本。在旅行、电信、金融监管与政府岗位匹配五个数据集上,该流水线的变异得分均值为93.4%,幻觉率1.4%,冗余率7.8%,但平均生成时间达21.2小时。
面向激光粉末床熔融的设计评估不再只由工程师在预设规则与仿真工具之间手工搬运。AgenticDfAM 让语言模型智能体负责解读制造指南、选择工具和提出改设计,几何测量与数值比较交给可执行工具完成。在四个算例上,三种改设计策略清除了分析件的全部参考违规,热反馈把支架预测层尺度峰值温度降低 160 °C,支撑构造代码经智能体诊断修正后在四个取向上复用。
Meta把数据管道智能体的编排层改成只做路由和可靠性检查的薄路由器,把领域推理交给14个上下文隔离的专用子智能体。此前一个装载全部领域知识的单体智能体在演示中可用,上线后却开始产生幻觉,把不同子系统的命名约定和代码生成模式混用。新架构下,新数据列的配置准备从手工三到四天、早期配置驱动系统约一天,缩短到一小时以内,约三分之二的改动无需显著人工编辑即可落地。