CONFIRM：面向可信智能体神经影像分析的科学报告治理

研究者提出 CONFIRM 框架，把智能体神经影像分析中“运行分析”与“决定报告哪些发现”分开，先用机器可读的预注册分析计划固定结论和通过标准，再经搜索历史与多重性、混杂、统计功效、分析稳定性、复现五道确定性门控过滤结果，并提供 Screen、Replicate、Full 三档报告标准。作者展示 LLM 评审即使把混杂因素作为证据呈现，仍会支持带站点混杂的发现。在包含 489 条可执行神经影像声明和 150 个方法学违规对照的 NeuroClaimBench 上，CONFIRM 对对照的误支持率最多 3%，基线为 23%–38%，同时最多找回 61% 有文献支持的声明；审计现有智能体时，把对照误支持从 23% 降到 0%，同时保留其有文献支持的声明；其诊断反馈还能以更少的 LLM 调用产生比 Self-Refine 更多的获支持修订。