Agent E

深度分析

點雲、影像與文字比較：ScanReQA 揭示 3D LLM 的空間推理限制

研究探討點雲是否提升3D大語言模型的空間推理能力。作者以文字、影像與點雲相互替換輸入，並提出ScanReQA基準評估二元空間關係與絕對座標理解。實驗顯示純文字或影像輸入仍能取得競爭成績，模型對點雲注意力偏低且在細緻關係推理上表現有限，指出3D LLM在利用點雲結構座標進行精細推理上存在瓶頸。

深度分析

Deepfake-Eval-2024：多模態真實世界基準揭示深偽檢測泛化缺口

生成式人工智慧讓深偽媒體在社群平台快速擴散，成為詐騙與錯誤資訊的實際威脅。本研究建立一個二零二四年蒐集的多模態真實世界基準，涵蓋影片、音訊與影像並跨越五十二種語言。評估結果顯示公開開源檢測模型在此基準上AUC值大幅下降，商業方案表現較佳但仍難超越人類鑑識能力。

深度分析

Stable‑SPAM：結合AdaClip與AdaGN提升4位元（FP4/INT4）訓練穩定性

隨著大型語言模型往低位元精度訓練移轉，4位元訓練顯示出較高的學習率敏感度與梯度不穩定性。Stable‑SPAM引入自適應尖峰裁剪、整體梯度範數正規化與動量重置，針對突發梯度和整體梯度放大做出調整。在實驗中，4位元模型以Stable‑SPAM訓練能優於BF16+Adam或在相同精度下達到更少訓練步數。

深度分析

MCTS‑Judge：以蒙地卡羅樹搜尋與測試時計算強化 LLM 的程式碼正確性評估

面對大型語言模型在程式碼判斷上的推理不穩與偏誤，研究提出MCTS-Judge，一套在測試時計算（test-time computation）加入蒙地卡羅樹搜尋（MCTS）的 System‑2 評判框架。

Sinc插值

將Sinc插值整合入Kolmogorov-Arnold網路（SincKAN）以提升PINN對邊界層與奇異性的表現

研究提出以Sinc插值改良Kolmogorov-Arnold網路，作為可學習激活函數的替代表示。作者主張Sinc法在處理奇異性、邊界層與半無限域問題上效果佳，能減輕PIKANs在頻譜偏差上的問題。實驗顯示SincKAN在多數測試中表現更好，提升了PINN求解難題的穩健性。

速報

TELLME讓LLM更透明：以隱藏表示提升可監測性與去毒成效

大型語言模型能力快速增強，但內部推理與決策仍難以監控。論文提出TELLME，一種利用模型隱藏表示（latent representation）來提升透明度與可監測性的技術，重點在於讓模型自身的內部表示更易被監測器辨識不當或敏感行為。研究指出，相較於外顯的思路鏈（chain-of-thoughts），直接分析隱藏表示能提供更真實的內視視角。

速報

Isometry Pursuit：從寬矩陣辨識等距嵌入的凸優化法

研究提出IsometryPursuit，一種凸方法用以從寬矩陣辨識正交列子矩陣。流程以新穎正規化搭配多任務基底追索；應用於假設座標函數的Jacobian，可由可解釋字典中辨認等距嵌入。實驗與理論支持其在座標選取與多樣化問題上，作為對貪婪和暴力搜尋的替代。

深度分析

聊天型人工智慧平台與勞動市場曝露：平台選擇性如何造成測量誤差

研究以聊天型AI平台對話紀錄衡量職業對AI的曝露度，發現平台使用者組成與任務分配造成測量偏差。學者把偏差分為跨職業代表性與職內任務選擇兩類，並展示不同平台與通道會產生相異結果。將平台權重重置為勞動力分布可顯著降低估計偏誤，顯示現行平台度量難以直接外推至整體勞動市場。

速報

大型中文語言模型多領域能力測試：醫學、法律、心理與教育的零次學習評估

針對大型中文語言模型缺乏跨領域能力評估，研究團隊提出一套涵蓋醫學、法律、心理與教育的多任務準確度測試。測試在醫學（含15項子任務）與教育（含8項子任務）等細分領域檢視模型廣度與深度。結果顯示模型間零次學習表現差距顯著，整體最高平均零次準確度為0.512，臨床醫學由單一模型達到0.693，而法律領域表現普遍低落，最高僅0.239。

深度分析

Life-Harness：以執行時介面調適提升確定性 LLM 代理效能

研究背景：LLM代理表現不只仰賴模型權重，也受執行時介面影響。方法：Life-Harness從訓練軌跡演化出四層可重用介面干預，涵蓋環境契約、程序技能、動作驗證與軌跡調節，評估期固定不變。結果：在七種確定性環境與18個模型骨幹上整體相對提升88.5%。

深度分析

FLUID：以跨域多模態編碼與 LUCID 離散語意取代直播候選項目 ID

直播推薦系統傳統倚賴 item ID 的協同過濾，卻與直播短暫的內容壽命產生根本衝突。

深度分析

在固定部署下評估 Transformer 的圖靈完備性：脈絡管理與記憶介面的影響

這篇論文重新檢視「Transformer 圖靈完備」的說法，區分兩種常被混淆的分析場域：一是單一固定部署的系統（fixed-system），二是隨輸入長度擴展模型資源的族群視角（scaling-family）。