AI论文精选：可重复性、机器人优化与健康评估新进展
1. 利用GitHub问题提升可重复性审计：ReproRepo通过标准化流程实现规模化验证 原文标题: ReproRepo: Scaling Reproducibility Audits with GitHub Repository Issues 发布时间: 2026-06-16 论文链接:http://arxiv.org/abs/2606.18237v1 复现研究结果的论文与代码发布是科学进步的核心环节。现有工作已构建基准测试来评估大语言模型代理在可重复性审计中的作用，但存在数据标注和人工评估成本过高、
AI融入科研之路：必须契合科学方法论
人工智能在科研领域的影响力日益增强，笔者深入剖析了其对研究范式的冲击与改变。当前这代AI系统普遍存在四大缺陷：难以实现结果复现、缺乏过程透明度、主观性过强、机制阐释能力不足。文章深入阐释，科学的本质在于实证与推理的深度融合，通过假设验证与实验反馈的持续迭代来推进认知边界；而现有多数AI方案仍停留在统计模式匹配与相关性挖掘层面，无法提供清晰可解释的不确定性评估与因果链条。研究者以AlphaFold与机器学习势能模型为典型案例，对比了基于物理原理的建模路径与纯数据驱动策略在不确定性量化、参数可解释性等维度的本