CONFIRM 框架发布显著降低误报

Yuxiang Wei 等人提出 CONFIRM 框架，旨在解决可信智能体神经影像学中的科学报告治理问题。该框架通过将分析执行与结果报告决策分离，并引入预指定分析计划，利用五个确定性门控机制来过滤 LLM 生成结果，从而确保科学发现的可靠性。 在包含 489 个可执行声明的 NeuroClaimBench 基准测试中，CONFIRM 框架表现显著优于基线模型。测试数据显示，CONFIRM 对阴性对照的误报率最高仅为 3%，而基线模型的误报率在 23% 至 38% 之间。这一结果证实了基于预指定计划和确定性门控的方法，是构建可信自主科学发现系统的重要基础。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。