从可降解材料与分子语言，
到谱系扰动和医疗模型自改进

工作提出 GenPoly，把聚合物字符串与图结构放进同一生成框架，并将性质预测、可合成性筛选和结构基序聚类串成候选发现流程。目标不是只在离线指标上生成“像聚合物”的序列，而是为可降解缝线涂层这一明确应用寻找可实验验证的材料。

作者进一步在负载重组人表皮生长因子的纳米颗粒缝线上进行实验评估，报告所选 LA–TMC 涂层相对若干对照具有更高的局部因子浓度，并观察到更集中的 Ki-67 阳性角质形成细胞增殖。它展示了多模态基础模型通向材料实验的一条路径，但单一应用体系的结果仍需独立重复、长期降解与安全性验证。

STAMP 把分子拆成带身份、连接位点与树拓扑的片段词元，试图同时保留局部化学语义和全局连接关系。作者用它统一性质学习与片段级编辑，并通过编译器让冻结语言模型对指定片段执行可追踪修改。

摘要报告该表示在多项活性陡崖预测和分子优化任务中优于匹配的 SMILES 基线，说明“可执行分子语言”可能比纯字符串更适合局部结构推理。论文目前是未经同行评审的 arXiv 预印本，跨骨架泛化、化学有效性与真实合成闭环仍是判断实用性的关键。

CloneOT 用部分谱系追踪数据监督神经逆最优传输，同时学习细胞状态间代价与扰动后的运输映射。与只拟合群体平均响应的方法相比，它把克隆身份作为约束，希望预测同一处理下不同谱系的分化与耐药走向。

作者在 14 个带谱系信息的癌细胞扰动场景中与五类基线比较，并报告对已见及未见克隆均有优势，同时给出药物耐受持续细胞相关程序的分析。该工作仍是未经同行评审的 arXiv 预印本；对谱系标记稀疏度、批次差异和外部队列的敏感性还需要进一步验证。

这项工作建立高分辨率蛋白–RNA 结合图谱，并把 RNA 的结构语境纳入相互作用预测与转录后调控建模。论文中的 Pythia 由此不只回答“是否结合”，还试图把结合位点、局部结构和潜在调控后果置于同一可解释框架。

价值在于把分散的结合证据组织成可用于训练和检验模型的统一资源，为 RNA 结合蛋白的机制假设提供候选入口。但它目前是未经同行评审的 bioRxiv 预印本；图谱覆盖偏差、跨实验平台一致性，以及预测调控效应能否被独立扰动实验复现，都应与模型分数分开看待。

MedEvo 把医疗推理训练组织成“错误定位—最小提示—保留正确前缀—重写错误后缀”的迭代过程。一个看不到金标准答案的审计器先找出首个关键错误，再用医学知识标签导航样本选择，减少直接泄露答案的教师反馈。

作者报告在七个医疗基准上持续改进 Qwen 系列学生模型，并用留出反馈选择下一轮能力缺口。这个设计比笼统的自我反思更可审计，但结果仍来自未经同行评审的 arXiv 预印本；基准增益不能直接等同于真实临床可靠性，尤其需要关注错误提示器本身的偏差。

ECG-RSI 将递归自改进落到心电波形：系统合成针对薄弱能力的波形干预，再重新测量模型是否按预期读取节律、间期和形态变化。训练数据因此由具体诊断失败驱动，而不是无差别扩充。

摘要报告三轮迭代后，模型在七个基准上的问答准确率与分类 F1 均提升，同时外部增益逐轮减小。论文仍是未经同行评审的 arXiv 预印本；合成波形的生理真实性、设备与人群迁移，以及临床误判风险需要在前瞻数据上单独评估。