先确认论文是否真实存在
标题、作者、期刊、年份和DOI应能回到正式记录。
搜索摘要不能替代论文方法与结果。
在实际项目里，确认论文常常不是单独发生的；就确认论文而言，研究人员还要围绕确认论文查看时间、处理、样本来源和批次，才能判断眼前的变化来自实验对象、处理过程，还是计算环境。
比较确认论文相关的两批AI研究资料时，即使图表相近，形成过程也可能不同；就确认论文而言，把确认论文涉及的字段、单位、标识和版本写进记录，后续复核时才有机会避免不同文件被错误合并。
当确认论文出现结果缺失或前后不一致时，先不要急着重跑全部任务；就确认论文而言，沿着计算环境检查确认论文对应的软件、参数、依赖和资源，通常更容易找到真正需要修正的环节。
确认论文也关系到交付质量；就确认论文而言，接收确认论文资料的人如果看不到缺失、漂移、失败和重试，就很难判断文件能否继续分析，或是否需要回到上一步补充信息。
确认论文跨实验室协作时，细小差异会被放大；就确认论文而言，团队可以为确认论文围绕权限、校验、日志和负责人约定最少记录项，让样本、脚本、日志和输出保持同一套命名关系。
基因名称需要物种背景
同名、别名和旧名称容易在自动摘要中被混用。
核对权威标识并保留原始写法。
相关不等于调控关系
论文提到两个分子，不代表已经证明直接作用。
实验类型和对照条件决定结论强度。
相关不等进入云端后，传输速度只是AI研究工作的一项条件；就相关不等而言，相关不等对应的权限、校验、日志和负责人是否完整，会直接影响任务能否复现，也决定团队是否可以安全地继续协作。
数字需要回到表格和图注
样本量、倍数和显著性常被脱离上下文引用。
阅读原图、补充资料和统计方法后再写结论。
比较数字需要相关的两批AI研究资料时，即使图表相近，形成过程也可能不同；就数字需要而言，把数字需要涉及的适用对象、未覆盖条件和不确定性写进记录，后续复核时才有机会防止把局部结果过度外推。
AI输出要保留审阅记录
模型版本和提示会影响摘要内容。
最终采用的判断应由研究人员核验并注明来源。