放射科智能体只拿到已获批工具：按临床指征规划仅找回29%的可操作发现
一个放射科智能体框架把大语言模型编排器与模块化工具接口分开，用FDA已获批放射科AI设备整理出的1,989个发现类别作为工具目录，在PARROT虚构报告语料上模拟生成结构化报告。仅凭临床指征规划时，已获批目录下的可操作发现召回率为0.290，工具无限目录为0.437；若让规划器直接读目标报告，两者分别升至0.426和0.740。工具输出均由参考报告模拟，因此比较隔离的是工具覆盖与编排，而非工具误差。
老年患者换用氯吡格雷的模拟试验交给智能体：62项SQL检查中53项达标，校准后风险比点估计升至1.274
TrialCalibre1把临床问题、研究设计与可执行分析串成一条可复核的链路，支持参考试验复现、直接目标试验模拟，以及把基准、扩展与校准合在一起的BenchExCal。在合成PCORnet风格理赔数据上，它用ASCET作基准，把氯吡格雷与阿司匹林的比较扩展到81–90岁人群：基准队列6069人、扩展队列1602人，扩展风险比0.848（95% CI 0.569–1.184），校准后点估计为1.274（0.439–3.700），灵敏度区间仍跨越1。两名评审对62项可评估SQL检查分别判定53项和50项达标，13项R检查均为12项达标，但方案与代理指标的分歧仍在。
CADFather 用视觉语言助手协调学习、几何与优化三类工具，在六个 CAD 重建基准上把无效输出降到零
CADFather 是一个无需额外训练的自主智能体，用视觉语言助手在候选 CAD 程序池上决定扩展哪个程序、调用哪种工具以及采样多少提案，把学习式提案生成、基于几何拟合的算法式提案与参数优化统一在同一 CadQuery 表示中，并在 DeepCAD、Fusion360、MCB 全测试集上取得零无效率和更高的平均 IoU、GMS 与更低的中位 Chamfer 距离。
LiteReality-Agent 将 3D 重建改写为代码编辑任务，在几何精度、视觉真实感与仿真兼容性上超过 Astra 与 Fable
LiteReality-Agent 把从 RGB-D 扫描重建可交互 3D 室内场景表述为编码问题：编码智能体用专用工具收集证据并迭代编辑可执行的 Python 脚本，配合 observe-edit-verify 框架完成证据收集、测量、验证、布局优化、仿真就绪与质量控制，从而生成几何更准确、视觉更真实、更兼容仿真的数字孪生，并称优于 Astra 与 Fable 等前沿模型。
ShannonProver 将密码学主定理拆解为中间博弈与引理并生成 EasyCrypt 证明脚本，在 ChaChaPoly1305 与 MEE-CBC 案例上把专家数周至数月的证明工作压缩到数小时内完成
该工作提出 ShannonProver，一个在密码学家已建模协议与安全定义的前提下，把主定理分解为中间博弈与引理并构造 EasyCrypt 证明脚本的智能体系统，并在一个涵盖教科书原语、已部署标准化协议与近期 NIST 提案的新 EasyCrypt 引理数据集上评估，在 ChaChaPoly1305 与 MEE-CBC 等案例中于数小时内完成历史上需专家数周至数月的证明开发。
PatchHolmes 让智能体一次读完 100 个候选提交，把漏洞补丁检索的 Recall@1 从 32.63% 提到 59.95%
PatchHolmes 是一个两阶段补丁检索系统，第一阶段用 BM25 加时间衰减与 Qwen3-Embedding-8B 稠密检索经 RRF 融合出 top-100 候选，第二阶段让一个冻结的开源权重 LLM 智能体通过 list_candidates、read_commit、read_file_diff、submit_answer 四个工具以列表式方式查看全部 100 个候选并只提交一个最佳提交；在 GitHubAD 的 809 个 CVE 上 Recall@1 达 59.95%，比逐点分类器 Favia 高 25.34%、比 IRCoT 高 31.40%，在候选集完全相同的条件下智能体本身比直接取检索器首位高 27.32%，同一智能体不加改动迁移到
OPGAgent 用多工具智能体与共识机制做全景牙片解读，在自建 OPG-Bench 上取得 42.3% 精确匹配 F1 并把每例假阳性压到 4.89
该工作提出 OPGAgent，一个由 GPT-5.2 规划、按 ReAct 范式编排分层证据采集、专用工具箱与共识子智能体的多工具牙科智能体，并配套提出基于（位置、字段、取值）三元组、源自真实临床报告的 OPG-Bench 评测协议；在含 1,009 例匿名全景片与 5,219 条 VQA 对的 OPG-Bench 上，OPGAgent 取得 42.3% 精确匹配 F1、49.7% 综合得分、43.1% 精确率与每例 4.89 个假阳性，并在 MMOral-OPG 上以 62.53% 准确率领先。
在自主实验室中基于证据的智能体处方开发
该研究提出 Andromeda 2——一个基于结构化内部实验证据进行推理并调用计算与实验工具的智能体系统，在紫杉醇自乳化给药系统（SEDDS）开发中，于匹配的 96 个处方预算下取得 50% 高 AUC 命中率（Andromeda 1 为 17%、湿实验 DoE 为 2%），并识别出 12 个满足全部四项目标产品特征（TPP）的处方（分别为 6 个和 0 个），同时通过消融实验显示获取结构化内部证据使平均 AUC 提高 34%。
已读完全部报道