一句话看懂：一篇新论文提出 BioAgent-DF，专门审计生物医学智能体在相同结论下引用证据是否发生变化，并在 hERG 心脏安全筛选任务中发现：数值故障会悄悄改变测试决策，而短名单数量看起来没变。
事件核心：发生了什么
据 Hugging Face Papers 公开摘要，论文《From Tool State to Scientific Action: Auditing Decision Provenance in Biomedical Research Agents》提出审计框架 BioAgent-DF。它不只看智能体最终答案，而是把同一科学计算位点上的参考值与候选值成对保存、在原坐标恢复或移植，再在健康硬件上运行智能体，观察其读取和引用证据的变化。
在 8 个 SciFact 批次上，Qwen3.5-4B 在 3 种捕获—声明组合中出现可重复的引用变化；Gemma 3 4B IT 在 4 种组合中出现可重复的读取与引用变化。完整恢复后，参考证据集可被找回，但结论保持不变。hERG 心脏安全测定分配中，静默数值故障改变了测试决策；恢复智能体先前执行状态并补充认证分数后，39 个被改变的决策全部恢复，而替换预测文件则无一恢复。流式算术校验使前向执行与验证总时间较原 FP64 实现减少 42.4%。
为什么重要
这项工作的价值在于把“决策溯源”变成可审计对象：智能体可能给出相同结论，却依据不同证据，甚至被错误数值悄悄带偏。对依赖大模型做科研辅助的团队来说，仅校验最终答案不够，还要追踪工具返回的数值状态、排序列表和可见历史。目前公开信息显示这仍是论文摘要层面的结果，未核验全文实验，也不代表已上线产品。
对用户/开发者/创作者的影响
开发者若在生物医学场景接入智能体，应把数值校验、证据引用和状态恢复纳入评测流程；企业采购科研 AI 工具时，可要求供应商说明故障注入与恢复机制。创作者和普通用户则应意识到：AI 给出的“结论一致”不等于“依据一致”，涉及安全相关判断时仍需人工复核。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
可观察三点：论文是否公开完整实验与代码，供复现 SciFact 和 hERG 结果；该审计思路能否扩展到化学、临床等更多科学计算工具链；以及主流智能体框架是否跟进状态恢复与流式校验能力。
