科学AI有效性检验框架提出并验证

事件综述根据 1 篇报道整理，11月2日更新

Xiaoshn Nee、Haobo Zhong、Xiaomin Ni 提出“可观测量特定有效性记录”，把近似与其参考模型、误差度量、容差、参数域及变换或干预绑定，用于科学 AI 的可核查验证。该研究以 arXiv 预印本形式发布。 在 16 次重复神经网络拟合中，施加量纲齐性后，能量尺度迁移误差从 52.3% 降至 0.0768%，同时满足 gap 与响应容差的中位比例从 0 升至 100%。上述结果来自作者自测，尚未见独立复现。

综述由模型根据报道生成，细节以各篇原文为准。