Can Coding Agents Reproduce Findings in Computational Materials Science?
编码代理能否在计算材料科学中复现研究成果？
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究探讨编码代理在计算材料科学领域复现研究结果的能力，提出AutoMat基准测试，发现当前LLM代理在复现复杂科学流程时表现有限，存在流程不完整、方法偏差等问题。
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
ReLay: Personalized LLM-Generated Plain-Language Summaries for Better Understanding, but at What Cost?
ReLay：为更好的理解而定制的LLM生成的通俗摘要，但代价是什么？
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Virginia（弗吉尼亚大学） ； University of Colorado Anschutz（科罗拉多大学安舒茨分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Chicago Pritzker School of Medicine（芝加哥大学普ritzker法学院） ； National Library of Medicine, National Institutes of Health（国家医学图书馆，国家卫生研究院） ； University of Washington（华盛顿大学）
AI总结 ReLay研究通过评估五种LLM在两种个性化方法中的表现，探讨了个性化通俗摘要对理解提升与安全性的平衡问题。
Prompt-Induced Score Variance in Zero-Shot Binary Vision-Language Safety Classification
零样本二元视觉语言安全分类中的提示诱导分数方差
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Independent（独立）
AI总结 研究发现零样本视觉语言模型安全分类器的单提示首词概率在语义等价提示改写下不可靠，提出训练自由的均值集成方法提升模型性能，推荐提示家族评估与均值聚合作为标准无标签可靠性基准。
Comments Preprint. 19 pages, 5 figures
Surprisingly High Redundancy in Electronic Structure Data Across Materials Explained by Low Intrinsic Dimensionality
电子结构数据中跨材料的惊人冗余性由内在低维性解释
机构 * Department of Mechanical and Aerospace Engineering, Michigan Technological University, Houghton, MI, USA.（机械与航空航天工程系，密歇根技术大学，霍顿，MI，美国） ； Hopkins Extreme Materials Institute, Johns Hopkins University, Baltimore, MD, USA.（霍普金斯极端材料研究所，约翰霍普金斯大学，巴尔的摩，MD，美国） ； Department of Materials Science and Engineering, University of California, Los Angeles, CA, USA.（材料科学与工程系，加州大学洛杉矶分校，CA，美国） ； Center for Artificial Intelligence, Michigan Technological University, Houghton, MI, USA.（人工智能中心，密歇根技术大学，霍顿，MI，美国）
AI总结 研究揭示电子结构数据中存在显著冗余，归因于数据的低内在维数，通过随机剪枝可大幅减少数据集规模，同时保持预测准确性，提出基于覆盖的剪枝策略能以更少数据维持化学精度和模型泛化能力。
