标签
Keenable SELECT 是一个MCP服务器，使AI代理能够在实时网络数据上执行SQL查询，使用语义运算符进行高效搜索和提取，并生成HTML报告。
Lieflat Charts是一款开源工具，已在GitHub上获得2k星标，能让AI代理通过HTML创建具有超过60种图表类型的美观图表，支持丰富动画和报告生成。
为客户构建AI报告生成器揭示出大部分工作量用于数据标准化和模板化，而模型只是一个次要组件，强调了数据管道相对于生成的首要性。
作者构建了一个用于市场调研的AI智能体，自动化报告组装但仍需人类判断进行上下文决策，突显了AI自动化与人类专业知识在知识工作中的平衡。
RadFusion 是一个通过将多标签分类器与基于 VQA 的生成器以及 LLM 重写步骤相融合，为放射学报告生成增加阈值可控性的框架，支持灵敏度-特异性的权衡以及基于 ROC 的验证。在 MIMIC-CXR 上的实验表明，其诊断准确性得到提升，报告行为也更适应临床需求。
一位开发者分享了在生产环境中运行AI报告生成器的经验教训，认为数据质量和验证远比模型的写作能力重要，因为流畅但错误的报告是危险的。
介绍了MCTS-Report，一种基于蒙特卡洛树搜索的框架，用于从表格数据生成多模态报告，同时提出了MMRBench基准。它在结构完整性、数值准确性、图表-文本对齐和洞察新颖性方面优于强基线。
本文强调，用于胸部X光报告生成的 VLMs 在基准测试中能取得高分，但同时会抹去有临床意义的术语并引入有偏见的语言，并提出一个框架来度量这些失败。
本文改编了一种扩散语言模型用于交互式放射学报告起草，表明其在准确性上与自回归模型相当，同时提供独特的填充能力，使放射科医生能够修复报告片段并让模型填充它们之间的文本。
本文介绍了一种过渡感知型Best-of-N采样方法，这是一种无需训练的方法，通过使用集合到集合的距离度量来编码既往与当前检查之间的变化，从而生成纵向胸部X光报告。
本文研究了将大语言模型适配到3D CT报告生成的参数高效策略，提出了RAD3D-Prefix，一个轻量级的诊断先验条件框架，该框架保持LLM冻结，仅需极少的可训练参数。结果表明，冻结更大的LLM（约10亿参数以上）并仅训练轻量级投影层，能够在性能、泛化能力和计算效率之间实现更优的权衡。
一个开源项目，提供Opencode Skill，通过四阶段流水线（大纲→数据采集→并行撰写→验收装配）自动生成对标券商/研究机构标准的深度调研报告。成本低于0.6元，耗时10–20分钟，支持19种语言输出，适合独立开发者和研究者。
来自香港科技大学、字节跳动和UCL的研究人员提出了SCORE——一种协同进化训练框架，将LLM同时训练为深度研究报告生成器和评估器，并通过元约束机制动态调整评估难度，防止奖励饱和。实验表明，该方法在开放式研究报告质量上取得了持续提升。
介绍了TVIR，一个用于生成文本-视觉交织报告的基准和层次化多代理框架，评估了自动化报告生成中的事实可靠性和视觉对齐。
本文提出 Ptah，一种多智能体框架，通过专门智能体和验证机制交错文本与视觉证据，生成可验证的多模态深度研究报告，并引入 PtahEval 进行评估。
本文展示了如何使用AI工具Sense Nova Skills，通过一个简单的提示词生成完整的全球电动汽车行业研究报告，并附上了GitHub仓库和插件的链接。
AnchorDiff提出了一种拓扑感知的掩码扩散框架用于放射学报告生成，整合了基于RadGraph的临床锚点和基于置信度的重写，在MIMIC-CXR和MIMIC-RG4基准测试上取得了最先进的结果。
Google DeepMind 推出 Deep Research 与 Deep Research Max，两款基于 Gemini 3.1 Pro 的自主智能体，可浏览网络及自定义数据，生成带完整引用的专业报告。
DR³-Eval 是一个基准测试，用于评估深度研究代理在多模态、多文件报告生成中的表现，它通过真实的网络环境模拟和全面的评估框架，衡量信息召回、事实准确性、引用覆盖率、指令遵循和深度质量。