国家预印本平台

【目的/意义】随着以数据为中心的人工智能范式快速发展，构建面向 AI 可理解与场景适配的多模态科学数据可复用性评价框架，对提升科学数据的实际复用能力具有重要意义。【方法/过程】本文提出 FAIR C-S 三层可复用性评估框架，在 FAIR 原则基础上引入可理解性（C）维度与场景适配性（S）维度，构建涵盖5个评价维度、18个可机器执行指标的综合量化评价方法，并形成规则计算与 AI 模型协同的智能评价机制。基于 Kaggle、Figshare 与 Zenodo 三大平台的300个跨学科数据集开展实证研究，采用非参数检验进行平台间与跨学科差异分析，并与现有 FAIR 评价工具进行一致性比较。【结果/结论】实证结果表明，三平台在 F、A、I、C 和 S 五个维度上均存在显著差异（p < 0.01）；跨学科比较中，F、A、I 和 S 四个维度呈现显著差异（p < 0.01），C 维度未达到显著水平；与现有 FAIR 工具的比较显示，F 和 I 维度总体评价结果呈显著正相关，而 A 维度未表现出显著一致性；同时识别出61个多模态数据集。研究结果验证了 FAIR C-S 框架的跨平台、跨学科差异识别能力，拓展了 FAIR 框架的评价边界，为跨平台跨场景的多模态科学数据可复用性评价提供了理论依据与方法参考。

元认知门控式动态检索广泛用于大语言模型幻觉治理，但其依赖三个未经系统检验的假设：自评置信度与事实正确性正相关（H1）、阈值调优后可用于决策（H2）、与上下文锚定分层组合具备可加性（H3）。本文在 4 个中小开源指令模型（Qwen2.5-1.5B/3B/7B、Llama-3.2-3B）上，以全量检索为基线，在合成虚构语料与按首次公开披露日分层的真实 SEC 去污染语料上做全阈值精确重放（t=0…101），并配同触发率随机对照与 oracle 上界。结果表明：自陈置信度对"是否知道"的判别力 AUC 仅 0.341–0.500（两个模型显著反向），102 个阈值中无一内点同时优于两个端点；换用基于采样的语义熵后层内判别力升至0.886/0.750，但端到端仍不超越"总是检索"。以信息论形式化：门控优于"总是检索"当且仅当自信作答精度高于检索精度（定理 1），而自陈信道对"是否知道"的互信息仅 0.000–0.069 bit，瓶颈在读出环节而非带宽（定理 2）。然而该失效是域依赖的：在开放域事实问答（TriviaQA）上，同一自陈置信度确有判别力（AUC 0.64–0.69），且门控在检索不完美的开放域稳定优于 RAG（跨 14B 至满血模型七组对照全胜）。据此本文给出领域无关的门控"诊断—部署"框架，并揭示两项独立的方法学缺陷——弃答置信度的指代歧义与置信度派生指标的跨运行不可复现。本文建议一切置信度派生指标均应报告 k/n。

Seed germplasm collections underpin crop improvement, biodiversity conservation, ecosystem restoration and seed-sector innovation. Their value, however, increasingly depends on the data that make conserved diversity discoverable, interpretable and usable. The rapid expansion of genomic, phenotypic, environmental and operational information has outpaced the capacity of current systems to connect it. Germplasm records remain fragmented across genebanks, national platforms, research databases and biodiversity infrastructures, with uneven coverage, inconsistent identifiers, shallow accession context and poorly encoded conditions of access and use. These limitations constrain both scientific discovery and practical deployment, from prioritizing climate-resilient breeding materials to sourcing native seed for restoration. In this Review, we synthesize the seed germplasm data landscape across collections, data domains, information systems, representation standards and application pathways. We argue that the central challenge is not data scarcity alone, but the loss of continuity around the accession as a biological, evidential and governed object. We examine how advances in computing and artificial intelligence could transform distributed records into connected biological knowledge. We further outline an evolutionary, policy-aware architecture that extends existing systems rather than replacing them. This framework provides a shared agenda for genebanks, researchers, breeders, industry and policy organizations seeking to build trusted germplasm infrastructures for discovery, adaptation and resilience.

【目的/意义】随着以数据为中心的人工智能范式快速发展，构建面向 AI 可理解与场景适配的多模态科学数据可复用性评价框架，对提升科学数据的实际复用能力具有重要意义。【方法/过程】本文提出 FAIR C-S 三层可复用性评估框架，在 FAIR 原则基础上引入可理解性（C）维度与场景适配性（S）维度，构建涵盖5个评价维度、18个可机器执行指标的综合量化评价方法，并形成规则计算与 AI 模型协同的智能评价机制。基于 Kaggle、Figshare 与 Zenodo 三大平台的300个跨学科数据集开展实证研究，采用非参数检验进行平台间与跨学科差异分析，并与现有 FAIR 评价工具进行一致性比较。【结果/结论】实证结果表明，三平台在 F、A、I、C 和 S 五个维度上均存在显著差异（p < 0.01）；跨学科比较中，F、A、I 和 S 四个维度呈现显著差异（p < 0.01），C 维度未达到显著水平；与现有 FAIR 工具的比较显示，F 和 I 维度总体评价结果呈显著正相关，而 A 维度未表现出显著一致性；同时识别出61个多模态数据集。研究结果验证了 FAIR C-S 框架的跨平台、跨学科差异识别能力，拓展了 FAIR 框架的评价边界，为跨平台跨场景的多模态科学数据可复用性评价提供了理论依据与方法参考。

本文以商业α-GeO2粉末为前驱体，在180℃条件下采用溶剂热法制备GeO2纳米晶，并引入聚乙烯吡咯烷酮（PVP）作为结构调控剂，通过分子吸附作用调节晶体生长行为，实现β石英型GeO2纳米晶的可控合成。通过X射线衍射结合Rietveld精修分析发现，原始α-GeO2在溶剂热反应过程中逐渐发生位移型相变，形成六方晶系β石英型结构GeO2的纳米晶，其晶体空间群为P3221。Raman光谱表征结果显示，在486cm⁻¹处出现并显著增强的特征振动峰，表明GeO4四面体结构单元之间的连接方式发生重排，四面体旋转与桥联角度调整使晶体网络趋于更加规则的石英型结构。同时，扫描电子显微镜（SEM）观察结果表明，在反应过程中GeO2晶体形貌经历了明显的演化过程：初始阶段主要为无序团聚的纳米颗粒，随着反应进行，颗粒逐渐发生溶解—再结晶过程，并在PVP分子调控作用下沿特定晶向定向生长，最终形成尺寸分布较为均一的纺锤状或多面体纳米晶结构。研究结果表明，通过溶剂热条件与表面活性分子的协同调控，可以在相对温和的温度条件下实现β石英型GeO2纳米晶的可控制备，并获得形貌均一的纳米结构。本工作不仅为低温条件下石英型氧化物纳米晶的结构调控提供了新的实验思路，同时也为理解有机分子吸附对氧化物纳米晶相变行为与形貌演化的调控机制提供了重要参考，对相关功能氧化物纳米材料的可控制备具有一定的理论意义与应用价值。