单细胞扰动预测不再只靠预训练：GFM把知识图谱接进流匹配，训练最多快30倍
在多个大规模Perturb-seq数据集上，一种名为Graph-guided Flow Matching（GFM）的生成框架把基因本体、蛋白互作和扰动相似性三类知识图谱与潜空间流匹配结合，用于预测未见过扰动后的单细胞转录组。它在单基因扰动预测上超过了线性基线和CellFlow、GEARS、scGPT等深度学习模型，训练速度最多快30倍，并在训练数据减少时保持优势；在双基因扰动中，当两个基因都未在训练中出现时表现更好。
41位国际专家系统检索922篇文献后，把急性加重定义从IPF扩展到全部纤维化间质性肺病，并提出“急性呼吸恶化”新框架
一个由41位国际多学科专家组成的工作组系统检索了截至2025年3月17日的922篇文献，将2016年仅针对特发性肺纤维化（IPF）的急性加重（AE）定义修订为适用于全部纤维化间质性肺病（fILD）的AE-fILD定义（以弥漫性肺泡损伤为核心，伴或不伴机化性肺炎），并提出“急性呼吸恶化（ARW）”这一更广的概念框架以涵盖非DAD所致的急性呼吸恶化，同时汇总了流行病学、危险因素、预后与治疗证据，并讨论了AE作为临床试验终点的可行性。
系统提示中隐藏的当前日期让9个模型成绩波动，最高达14%并重排榜单
该研究在9个近期大模型和6个数据集上固定其他配置、只改变系统提示中隐藏注入的当前日期（2024年全年逐日扫描），发现仅日期变化即可让多选问答准确率波动最高6%、数学推理最高14%、代码生成最高7%、机器翻译最高2.84 BLEU，模型排名随之改变，且该效应大于批大小与数值精度等已知非确定性来源，思维链提示不但不能缓解反而放大敏感性。
已读完全部报道