Samyama 图数据库构建大规模开放生物医学知识图谱并支持 人工智能（AI，Artificial Intelligence） 智能体访问
研究团队基于 Rust 原生图数据库 Samyama 构建开放可复现的生物医学知识图谱生态，将 22 张图谱合并为含 328,130,739 个节点、1,441,425,733 条边的单一存储，全部快照加载耗时 2,269.1 秒。
#医疗与生命科学
arXiv · cs.AI模型评分3737 arXiv · cs.AI模型评分4848 SUREON：面向手术视觉推理的基准与视觉语言模型
研究团队推出手术视频问答数据集与基准 SUREON，用对抗猜测模型过滤掉不看画面也能答对的题目，含 76K 训练问答对、覆盖 168 种手术，另有 340 道经外科专家核验的测试题。
arXiv · cs.AI模型评分4444 CoFailMed 审计医疗分割预训练编码器池的相关性失效
CoFailMed 审计了医疗分割预训练编码器池的相关性失效，在五个 2D 任务上评估 11 个公开预训练编码器，发现共享检查点的模型对逐例 Dice 相关性最高。
arXiv · cs.AI模型评分4949 语言模型能判断什么是有说服力的科学证据吗？EDB-Bio 基准发布
研究者构建了科学推理基准 EDB-Bio，从药物扰动转录组学、CRISPR 筛选和人类全基因组关联分析（GWAS，Genome-Wide Association Studies）三个生物学领域的真实数据中整理出 96k 个任务，要求模型预测目标假设为真的概率。
arXiv · cs.AI模型评分2727 Sensorium：面向具身手术 人工智能（AI，Artificial Intelligence） 的开源多模态数据采集与整理库
Sensorium 是一个开源 Python 库，可基于机器人操作系统（ROS，Robot Operating System）及 ROS2 中间件，从可配置的机器人与传感器数据流中录制、处理、标注和整理多模态手术数据。研究团队在 1516 次体模、离体和活体猪实验中评估了该库，并给出了初步可用性反馈。
arXiv · cs.AI模型评分4444 ReuScope：审计 Capsule Vision 2024 的数据复用与评估敏感性
研究团队提出审计协议 ReuScope，并以 Capsule Vision 2024 为案例检测数据复用与评估敏感性。该数据集公开训练集与验证集间存在字节完全相同文件，41 段 Kvasir-Capsule 录像的帧同时出现在两个分区；移除相关训练数据后，公开验证集平衡准确率从 82.5% 降至 61.2%，但在其他来源验证行上反而提升 1.38 个百分点。
arXiv · cs.AI模型评分4242 CryoAtlas：面向冷冻电镜原子模型构建的大规模精选数据集与统一基准
CryoAtlas 发布冷冻电镜原子模型构建的大规模精选数据集与统一基准，整合截至 2026 年 3 月的 EMDB 和 PDB 条目，提供 17,809 条地图-模型-序列条目，其中训练集 16,657 条。
arXiv · cs.AI模型评分4444 RECITE：用文本证据自动修订临床试验入组标准
研究团队提出 RECITE 框架，可从方案修订文档中自动发现、抽取并落实有证据支持的入组标准修订，并基于 5,735 项试验构建了 11,913 条配对数据集。
arXiv · cs.AI模型评分4848 BABA-Bench：评估长程患者权益代理的基准
研究团队构建了 BABA-Bench，包含 47 个由真实患者权益案例脱敏改造的交互环境，用于检验 人工智能（AI，Artificial Intelligence） 智能体（Agent）能否在达成正确结果的同时遵守必要流程。
Microsoft Research模型评分4242 微软用合成企业数据评估 Microsoft Copilot 的 人工智能（AI，Artificial Intelligence） 置信度
微软构建了行业评估数据生成平台（Industry Evaluation Data Generation Platform），用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot，避免使用客户敏感数据。