心血管AI｜npj Digit Med多中心研究：构建房颤管理LLM智能体PULSE，75个真实问题盲评验证
写在前面房颤、慢性疾病管理、患者健康教育与AI智能体，是临床团队开展转化研究的理想方向之一。如果科室已积累患者随访资料、宣教内容、问答记录或术后管理数据，未必一定要从"大模型训练"入手，先把一个具体的真实管理场景做深做透，往往更容易产出有价值的成果。从患者最常见的疑问谈起房颤患者最担心什么？不仅仅是心悸本身。更深层的焦虑，往往来自"不知道下一步该怎么办"。医生嘱咐抗凝，患者会追问："我没有症状也要坚持服药吗？""感觉好转了，能否自行减量？""拔牙、胃肠镜或手术前，抗凝药要不要停？""做完消融术，还要继续服
Karpathy：氛围编程时代落幕，智能体工程化成为新趋势
OpenAI联合创始人、前特斯拉AI总监 Andrej Karpathy 于2025年2月在X平台首次提出 Vibe Coding（氛围编程/感觉编程），该概念当年迅速走红，入选柯林斯年度词汇及韦氏热词俚语榜单。核心概念解析：一种新兴编程范式，完全遵循直觉与需求氛围，充分利用大模型的生成能力，无需深入理解底层代码逻辑；仅需用自然语言阐述功能需求，AI一次性输出全部代码，运行通过即可，遇到bug直接将错误信息抛给AI自动修复，开发者无需逐行阅读和审查代码。Vibe Coding is dead, the f
LLM智能体联盟形成：稳定性分析与收敛性保障（系列1/20）·5月4日
2026年05月04日 星期一LLM智能体联盟形成：稳定性分析与收敛性保证面向大型语言模型（LLM）智能体在多智能体系统中的战略协同需求，本文首次给出一套基于享乐博弈论、并带有形式化稳定性保证的LLM智能体联盟形成方案。我们提出LLM联盟形成博弈（LCFG），给出纳什稳定分区的充分条件，同时证明了相关复杂度结论。进一步的分析表明，LLM智能体的行为具有以ε理性偏好为特征的有界理性。借助GPT-4等模型开展的大规模实验验证了该框架：在我们设计的“联盟思维”（CoalT）协议下，LLM联盟在73.2%的情况下