研究笔记
构建 scientific AI 系统时的工作笔记 —— agent、RAG、evaluation，以及其间的开放问题。
FieldGamma：伽马能谱一旦偏移，0.96 的分数还剩多少？
五类有限数据放射性同位素分类器的受治理合成基准、ANSI N42 互操作性，以及 validation accuracy 掩盖的负面结果。
AI for Science加入 EIS，能让电池衰减预警更准吗？
基于公开 KIT 电池老化数据的项目笔记：在完整工况留出验证中，比较容量历史模型与加入 EIS 后的同一模型。
AI for Science一个分子工作流应该展示它不知道什么
关于公开分子发现 Demo 的项目笔记：先解析身份、确认结构、计算结构描述符，再明确证据缺口，而不是编造性质。
AI for Science一个氧化还原预测器，先要有结构确认点
SciencesLoop Redox RFB Predictor 项目笔记：为什么化学名称、可编辑结构和人工确认必须排在电化学预测之前。
AI for Science经过微调的分子基础模型，能否达到工程化传统模型的水平？
一项独立 QM9 案例研究：把公开的 MIST 微调 checkpoint 与 Ridge、XGBoost、MLP 和两层集成模型分开比较。
AI for SciencePaperQA2 给 scientific RAG 的一个提醒：答案之外，要留下证据链
一篇 SciencesLoop technical note：从 Future House 的 PaperQA2 看引用精度、证据链和可审查的科研 RAG artifact。
AI for Science每条笔记都从公开来源和个人测试开始 —— 先证据，再判断。