Although many existing works have studied probabilistic or dynamic environments where the objects used in daily life may be moved due to human activities, the scale of datasets is usually limited due to the cost of human annotation or manual configuration. This paper introduces a framework that simulates human activities and corresponding object dynamics using Large Language Models (LLMs) and applies the simulated human residents to embodied scenes to generate dynamic scenes. Using this framework, we craft a dataset named DynamicTHOR with 50 characters and 100 dynamic scenes, which can be easi…
СтатьяDatasetПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Large language models are increasingly proposed as a way to deliver Socratic dialogue at scale in medical education, offering personalized, always-available, and lower-stakes inquiry that human educators cannot logistically provide. In this viewpoint, I argue that this promise is plausible but unproven and that 2 failure modes deserve more attention than they currently receive. The first is the mimicry trap: a system that fluently generates Socratic-sounding questions can appear to cultivate reasoning while functioning as interactive content delivery. I position this as an educational instance…
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Well-designed urban environments crucially mitigate stress and enhance mental well-being through their restorative qualities. However, subjective surveys lack spatial scalability, while objective machine learning often fails to capture the complexity of human perceptual experiences. To address this gap, this study proposes a hybrid framework based on Vision Language Models (VLMs) and human experiences to assess the restorative quality of urban spaces. Using Shenzhen, China as a case study, we gathered subjective and objective knowledge from PRS-11 surveys and ChatGPT-4 descriptions of 566 stre
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: Automated C-arm positioning ensures timely treatment in patients requiring emergent interventions. When a conventional deep learning (DL) approach for C-arm control fails, clinicians must revert to manual operation, resulting in additional delays. Consequently, an agentic C-arm control framework based on multimodal large language models (MLLMs) is highly desirable, as it can incorporate clinician feedback and use reasoning to make adjustments toward more accurate positioning. Skeletal landmark localization is essential for C-arm control, and we investigate adapting MLLMs for autonomou…
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Diagnosis in real clinical settings is rarely finalized after a single encounter. Patients with complex conditions move through a referral network from primary care to specialists because physicians cannot maintain expertise across all diseases. Yet most diagnostic prediction tools apply a single generalist model across thousands of medical codes, which dilutes representational capacity for rare conditions and produces outputs poorly aligned with how clinicians actually work and reason. We present CPS-Net, a decentralized agent swarm that mirrors medical specialization hierarchies. The system
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Accurate prediction of protein function is fundamental to progress in biotechnology and biomedicine, yet progress remains severely hampered by the widening chasm between exponentially growing genomic data and the limited capacity for functional annotation. High-throughput sequencing and metagenomics have driven an explosion in sequence data that far outstrips experimental characterization. UniProt now contains over 203 million protein entries, of which only ~2% have been experimentally validated. This widening "sequence-function gap" exceeds the reach of traditional homology-based tools such a
СтатьяОбзорПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND AND OBJECTIVES: The worthiness of a medical article is not known until it is read and critically evaluated. A process using artificial intelligence (AI) was developed and assessed to do that for a specific article.
METHODS: A medical article was uploaded to an AI large language model program with instructions to answer specific bounded questions about that article only, its methodological components, assessment of findings, and appropriateness and validity of conclusions. Fifty articles were evaluated and compared using AI and human assessment.
RESULTS: Agreement was found 89% of
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Large language models are rapidly becoming embedded in everyday life through artificial intelligence (AI) chatbots that people use for practical assistance and companionship, as well as for support with mental health and emotional well-being. Alongside clear benefits, clinicians and public reports increasingly describe a minority of users whose interactions seem to drift over days or weeks toward strongly questionable convictions, delusions, or suicidal crises. Importantly, clinically meaningful deterioration can occur even without overtly unsafe text outputs, via more insidious processes, suc…
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The growing use of large language models (LLMs) by participants in online studies threatens the validity of behavioral research data. I propose that Bayesian reasoning problems, which have decades of well-replicated human performance benchmarks, can serve as calibrated detectors of LLM contamination in online samples - an approach I call a capability-gap test. In two preregistered pilots of a Bayesian reasoning training tool (N = 148), participants' accuracy on positive predictive value (PPV) calculation problems reached roughly three times established human performance ceilings. Specifically,…
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Proactive robotic assistance in human-robot collaboration (HRC) requires systems that can perceive evolving task contexts, anticipate user needs, and intervene appropriately without disrupting human workflow. We present the Agentic Unified Robotic Assistance (AURA) Framework, which couples Large Language Model (LLM) reasoning grounded by Standard Operating Procedures (SOPs) with a modular layer of specialized Intent, Motion, Perception, Sound, Affordance, and Performance Monitors that supply structured context to a central decision-making module, making the framework reconfigurable and auditab
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Recent advances in large language models have extended to genomic applications, yet model robustness relative to context is unclear. Here, we demonstrate two intrinsic biases (input sequence length and nucleotide position) affecting SegmentNT results, a model included with the Nucleotide Transformer that provides nucleotide-level predictions of biological features. We demonstrate that nucleotide position within the input sequence (beginning, middle, or end) alters the nature of SegmentNT's raw prediction probabilities, which can be standardized to improve prediction consistency. While longer i…
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Large language models such as ChatGPT, Gemini, Claude and DeepSeek now generate text that is routinely indistinguishable from human writing, yet virtually every deployed detector answers only one binary question: human or AI. This is the wrong question for the settings that matter most. Digital forensics needs to know which model produced a text; academic-integrity adjudication needs to know whether a human was involved at all; and neither can be answered by a single probability, least of all for the hybrid human-AI drafts that now dominate real-world writing. This paper addresses that gap wit…
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The exponential growth of biomedical literature poses significant challenges for knowledge management in specialized domains such as osteoporosis. While Large Language Models (LLMs) offer advanced natural language understanding capabilities, their direct application in high-risk medical contexts is hindered by hallucination risk, static knowledge, and limited traceability. This paper proposes a domain-specific Retrieval-Augmented Generation (RAG) system tailored for osteoporosis knowledge management, integrating authoritative sources from the International Osteoporosis Foundation and China's N…
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
INTRODUCTION: Artificial intelligence (AI) is increasingly prevalent. Patients and clinicians may use AI-based tools in many different languages.
OBJECTIVE: To investigate AI translation tools for descriptions of genetic conditions and how AI identification of genetic conditions is affected by translations.
MATERIALS AND METHODS: We used Neural machine translation (NMT) and large language-model (LLM) translation to translate descriptions of 40 genetic conditions into 191 and 93 languages, respectively. Excluding translations retaining English medical terms verbatim, we respectively focused o
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Psychiatric clinical notes in electronic health records (EHRs) provide rich longitudinal information that can support clinical decision-making. Using historical medical data can enable earlier identification of mental illness, better characterization of disease trajectories, and more personalized treatment planning. Natural language processing (NLP) transforms these unstructured notes into analyzable representations for research and care.
OBJECTIVE: This study aims to systematically summarize NLP methodologies for psychiatric clinical notes, compare major modeling paradigms and ap
СтатьяScoping ReviewПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This paper presents an integrated approach that combines unsupervised anomaly detection with large language model (LLM)-based explanation generation to enhance the interpretability of clinical study dashboards. Using data from the P4D (Personalized, Predictive, Precise, and Preventive Medicine for Major Depression) cohort study, an Isolation Forest algorithm was employed to identify atypical observations within multidimensional clinical data. A t-distributed Stochastic Neighbor Embedding (t-SNE) projection was used to assess the plausibility of detected outliers. To improve transparency for cl
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Previous studies of ChatGPT performance in the field of medical exams have reached contradictory results. The performance of ChatGPT in languages other than English, including Arabic, which is the official language of medical education and practice in many countries, has yet to be explored. We aim to evaluate the performance of ChatGPT in Arabic-language Israeli OBGYN medical licensure exams for foreign university alumni. METHODS: We conducted a performance study using a consecutive sample of text-based multiple-choice questions, originated from authentic Arabic-language Israeli OB
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Embedding-based approaches integrate clinical notes into sepsis prediction models but produce uninterpretable representations, obscuring which clinical findings drive predictions, and limiting both trust and regulatory acceptance. We compared three frameworks for extracting interpretable features from MIMIC-III clinical notes (217 sepsis cases, 2,170 controls): rule-based (M1), zero-shot LLM with retrieval-augmented generation (M2), and hybrid combining symbolic pre-filtering with LLM quantification (M3), evaluating 19 SOFA, qSOFA, and SIRS-based features using expert validation of 190 predict
СтатьяСравнительное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Multi-target drugs hold great promise for treating complex diseases, yet existing methodologies predominantly rely on ligand-based approaches, which lack sufficient biological context and are often confined to specific target pairs, resulting in limited generalizability. Here, we introduce LaMGen, a general-purpose multi-target drug design framework powered by large language models (LLMs). Built on MTD2025, a dataset comprising over 600,000 quantum-accurate molecular conformations and 700,000 multi-target associations, LaMGen directly yields energy-favorable conformations with quantum-level ac…
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Wastewater treatment plants (WWTPs) need mechanistic models that explain carbon, nitrogen, and phosphorus transformations under changing operating conditions. Building activated sludge models (ASMs) still depends heavily on expert choices about boundaries, components, and reactions. We developed AutoWWTP-ASM, an auditable large-language-model agent (LLM-Agent) workflow for library-constrained ASM configuration, execution, and calibration. The workflow converts wastewater-process descriptions into structured configurations and combines a predefined ASM library with boundary specification and op
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования