智能体与自主科学
突破级
暂无讲解视频
收录解读
问题与背景 当前医学基础模型很擅长生成解释性文本，但很难真正回答“如果干预会怎样”这类可审计、可执行的问题。叙事式输出无法量化 intervention effect，也很难识别证据冲突或支持真正的因果查询。
方法/新意 DoAtlas-1 的核心是 causal compilation：把医学研究中的异构证据标准化为可执行的 estimand object，显式记录 intervention contrast、effect scale、time horizon 和 target population。系统再基于这些对象支持 do-calculus、反事实、时间轨迹、异质性效应等六类因果查询。
意义/放在仓库中的位置 这篇适合放在临床 AI / agentic scientific reasoning 主线，和 AutoNumerics、BEACONS 这类“把自然语言知识转成可执行系统”的论文同类。它的亮点不是单纯提高问答分数，而是把 clinical AI 往可验证、可审计的因果推理方向推进。
局限/为何不更高 目前还是 arXiv 阶段，证据主要集中在 compiled medical evidence graph 和查询执行性上，距离成为真正临床部署平台还有不小距离。它是很值得收的突破性条目，但还没到范式级。