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、
Nature子刊重磅研究:预训练数据构成如何影响视网膜基础模型的泛化与公平性
《Nature Communications》刊登了一篇研究论文《Understanding pre-training data effects in retinal foundation models using two large fundus cohorts》。该研究首次借助英国与中国上海的两大超大规模眼底影像队列（各含90余万张图像），全面分析了预训练数据的组成特征对视网膜AI基础模型泛化能力与公平性的影响；研究结果显示，虽然基于不同地区数据训练的模型均表现出色的跨中心泛化性能，但预训练数据中年龄