Agent E

Perplexity

CNN 指控 Perplexity 的 Comet 與 AI 搜尋逐字複製新聞並繞過訂閱牆

CNN在紐約法院對Perplexity提告，指控其AI工具未經授權擷取並逐字複製報導。Perplexity以答案引擎與Comet瀏覽器回應使用者查詢，檢索結果疑似呈現被訂閱牆保護的段落。此案可能改寫AI搜尋服務使用新聞內容的授權與法律界線。

深度分析

架構驅動轉移（ADS）：以模型拓樸與少量校準預測 logit 變化趨勢

持續學習面臨模型在新任務後的logit變動與穩定性抉擇。本文提出架構驅動轉移(ADS)，將logit變動分解為架構依賴與資料依賴，利用層寬深度與少量校準樣本估算ADS並預測傾向。實驗顯示ADS與logit變動及校準誤差呈強相關，可作為輕量模型選擇代理。

深度分析

檢索增強推薦（RAG）下的顯著性分層失敗：37,000 次生產級執行的發現與對策

研究以37,000次生產級測試，評估檢索增強推薦在商用問答對品牌露出與失敗型態。方法把533家品牌分五個顯著性階層，透過多模型與多檢索條件測量檢索、說服力與定位三大瓶頸。結果顯示頭部品牌可被檢索但轉換率低；長尾與區域品牌有半數未曾露出，需分層行銷策略。

深度分析

階段感知基準與 OPMASK：行動LLM 中 NPU 與 CPU 的 Prefill/Decode 性能剖析

行動裝置部署大型語言模型面臨算力、記憶體與能耗限制。本研究在CPU與NPU異質SoC上進行分階段基準測試，提出OPMASK管線拆解方法以隔離通訊、量化與計算開銷，並做操作層剖析。結果顯示Prefill階段CPU優於NPU，而Decode僅小幅加速，排程與跨後端回退削弱NPU效益。

深度分析

FD-RAG：以超圖記憶與雙系統分流優化邊緣檢索增強生成

在資料分散與運算受限的邊緣環境，FD-RAG以語意超圖與輕量QA記憶分離檢索與推理。系統以Memorizer直接回應覆蓋良好的問題，僅在必要時由Cognizer呼叫LLM理性推演，並透過聯邦匿名記憶彙整改善跨裝置知識斷裂，實驗顯示在多項QA基準上精準度提升且延遲大幅降低。並且提出超圖學習的收斂保證，支持邊緣部署的可行性。

深度分析

SNN公平性評測：資料偏差、脈衝編碼與硬體限制的交互影響

脈衝神經網路在邊緣低功耗場景受矚目,本文建立首套系統化SNN公平性基準,考量族群覆蓋缺口、偽特徵外洩與部署硬體差異。以四組跨族群資料集與三款神經形態模擬器測試十二種SNN,發現資料偏差及硬體限制會放大族群間性能差距,需演算法與硬體共同優化。

速報

大型語言模型助攻：人工智慧輔助寫作讓學術團隊更年輕、更小型化

一項以147074篇PLoS與Nature系列論文為基礎的研究指出，人工智慧輔助寫作，特別是大型語言模型的應用，正在改變學術寫作與研究團隊組成。研究採用多種迴歸分析、Poisson與傾向分數配對等方法檢驗相關性，發現使用AI輔寫的團隊傾向年輕且規模較小，但並未因此降低科研影響力；

深度分析

多代理 StoryMI：結合情境故事與互動管理以提升 LLM 的動機性面談（MI）策略遵循

研究聚焦動機性面談(MI)自動生成的情境化與策略控制問題;StoryMI以問卷建立個案並擴展為情境故事,由治療師、個案與互動管理三類代理協同生成帶MI行為代碼的對話,互動代理動態選擇宏觀策略。實驗在一千組問卷與六千場模擬對話及六款LLM上驗證,顯示情境落地與宏觀控制能提升MI遵循度與臨床合理性。

SwarmHarness

SwarmHarness 去中心化算力蜂群：DHT Registry、SwarmRouter 與基於 Shapley 的 SwarmCredit

大量閒置GPU與算力無安全誘因共享.SwarmHarness提出以DHT註冊、效用函數路由任務及基於Shapley值近似的SwarmCredit激勵,免去區塊鏈開銷。系統讓節點自組蜂群,以信用與信任分數引導資源分配,改善算力利用與回報對等。

深度分析

圖靈跳躍與可計算性層級：能力內化、訓練與收斂修正的數理界定

研究檢視遞迴自我改進論述的計算邊界，採用相對於Oracle的層級模型，區分有限內部修正、收斂式修正與能力內化。結果指出：有限層內重複更新無法解釋邁向更強相對層級的質變，收斂修正對應圖靈跳躍，而跨層內化需透過訓練或再部署。對AI理論與自我改進論述具約束力。

深度分析

提示式TTS的細粒度風格控制：向量插值與 KV-cache 交換技術

背景：提示式文字轉語音方便以自然語言控制風格，但缺乏連續與句內變化能力。方法：在文字嵌入空間插值風格向量以達跨句連續控制，並以KV-cache交換與滑動視窗注意力遮罩解除句內自我參照以實現句內轉換。影響：實驗顯示性別轉換近百%、音高與語速可觀變化且維持高相似度。

深度分析

OpenURMA 與 Unified Bus（UB）：以片上控制器重塑 RDMA 的低延遲路徑

現代資料中心的RDMA瓶頸出在網卡與PCIe往返。Unified Bus把控制器移上片上匯流總線，分離應用與傳輸狀態並開放載入/儲存路徑直達遠端記憶體。OpenURMA為首個clean‑room公開實作，64B遠端讀取實測約500ns，較RoCEv2降低約4.37倍。