速報
LLM代理人策展：用大型語言模型提升表型文字對齊本體的基準評測
研究指出表型自由文字註記是跨研究整合的關鍵瓶頸。採用五款來自Anthropic與OpenAI的大型語言模型作為代理策展人，在封閉工作區內以原始出版PDF、本體與原始註記指南執行Entity–Quality註記並比對既有金標準，結果顯示所有代理人表現落在受訓人類註記者的變異範圍內且優於SemanticCharaParser。
自然語言處理
速報
ai-drawio：以自然語言與人工智慧生成 drawio／mermaid 圖表
在GitHub上發現一個以自然語言生成圖表的開源專案，採用人工智慧解析描述並轉成drawio或mermaid格式，能產出流程圖與心智圖，並支援即時編輯與瀏覽預覽，簡化視覺化流程，提升團隊溝通效率。方便在瀏覽器內實時調整與協作，支援用戶以文字快速把想法轉為可編輯圖形。
Case-Grounded Evidence Verification
案例導向證據驗證：提升醫學影像與自然語言推論的可靠性
研究背景：證據導向推理常因監督不足而失效。方法：提出案例導向證據驗證框架，利用自動化程序生成支援與非支援樣本，包含反事實與主題負樣本。結果：在放射科實驗中，驗證模型顯著超越僅案例或僅證據基線，且在證據缺失時性能急遽下降，顯示真實依賴。
HolUE
HolUE：開放式文字分類的不確定性估計方法與實驗驗證
研究針對開放式文字分類的可信度需求，將 HolUE 方法套用於文字領域，捕捉查詢與資料分布的不確定性。實驗在四大資料集上提升 40% 至 365% 的預測拒絕率，顯示對未知類別的辨識更為安全可靠。
ModernBERT
利用 ModernBERT 與 GPT-OSS 分析臨床對話：實現憂鬱症自動偵測與即時篩檢
研究人員開發出一套 AI 系統，能透過分析基層醫療門診的對話錄音自動偵測憂鬱症。透過對比 ModernBERT 與 GPT-OSS 等模型，發現分析醫病雙方對話能顯著提升準確率，且在對話初期即可捕捉到關鍵訊號，有望將憂鬱症篩檢轉化為非侵入式的被動監測流程。