auditable-ai

This paper presents ThyroidXAgent, a clinician-interactive agentic AI system that coordinates specialized diagnostic tools for thyroid ultrasound, storing outputs as auditable evidence records. Developed on a large multicentre dataset, it achieves strong results in nodule segmentation, benign-malignant classification, and report generation.

提出了Causal-Audit框架，该框架通过目标感知因果图构建和路径级证据聚合，实现大语言模型中显式且可审计的因果推理，在多个基准测试上优于现有方法。

FirstResearch 引入了一个结构化框架，用于LLM科学发现代理，该框架生成一份研究问题证书，包含原始定义、假设、机制、可证伪假设和失败更新规则，使得所提出的研究问题在执行前可被审查。使用LLM评估者的初步评估表明，以证书为中心的方法在可审计性和得分方面优于基线系统。