Agent E

深度分析

TRIAD：以第三階 SO(3) 耦合與球面雙頻譜實現旋轉不變的全景浮水印

AIGC興起使360°全景生成普及，但任意三維旋轉對浮水印提取構成挑戰。本文以球面調和展開並採用第三階耦合構造，推導出保留相位且嚴格SO(3)旋轉不變的球面雙頻譜，以此在高階頻帶嵌入與從不變標量中回收訊息，實驗顯示對連續旋轉具高度穩健性與視覺保真。

深度分析

DA-GC：以資源條件化 Granger 因果與資源競爭模型實現 6G 切片即時攻擊歸因

在6G網路切片環境中,不同租戶因共用資源而產生的競爭會造成偽因果,阻礙即時攻擊追溯。本文提出DA-GC框架,以資源條件化的Granger因果結合形式化的資源競爭模型,系統性封鎖資源介導之混淆,並以CUSUM分段與Viterbi解碼整合路徑歸因。實驗在15切片測試床中驗證,於87毫秒內達成高準確率。

大型語言模型 (LLM)

國家與領域脈絡下的人工智慧評估偏誤：LLM改寫與AI相似度指標的影響

一項以Dimensions資料庫為基礎的研究發現，量化學術論文中人工智慧（AI）使用時，若採用混合（pooled）基準，容易將既有寫作風格差異誤認為AI痕跡。研究以人類撰寫與由大型語言模型（LLM）改寫的摘要差異建立AI相似度指標，並比較整體混合基準與按國家與領域分組的基準。

深度分析

MedVol-R1：以二維證據錨點與 GRPO 強化三維體素分割

Volumetric Reasoning Segmentation（VRS）在臨床問句下，需把隱含的參照物從語意轉為三維體素級遮罩。MedVol-R1 提出以強化學習驅動的二階段流程：先讓大視覺語言模型（LVLM）回應可驗證的二維證據錨點（關鍵軸向切片與二維邊界框），再由固定的 MedSAM2 將其向跨切片延展成一致的三維遮罩。

深度分析

嵌入式兩階段 Adapter：在保留 Tabular Foundation Models 預測力下恢復經濟一致性

表格基礎模型（Tabular Foundation Models）在離散選擇預測上展現高準確度，但可能違反經濟行為邏輯，例如價格上升反而提升需求或推估出負的時間價值（VOT）。本文提出一種兩階段 adapter：第一階段以受經濟理論約束的選擇模型估計結構性效用；

EEG

重建式自監督預訓練下的 EEG 頻譜偏差：低頻非週期成分主導表示

本研究針對以重建為核心的腦電（EEG）基礎模型進行探討，發現這類模型在未標註大規模資料上預訓練時，內部嵌入向量偏向擷取低頻與非週期（aperiodic）成分，而對高頻振盪（oscillatory）表徵不足。

深度分析

RLScale-Bench 評測：深度強化學習（DRL）與校準後 Kubernetes HPA 在成本與 SLO 上的比較

背景：可調資源控管是雲端部署的重要決策。方法：本文提出RLScale-Bench，統一訓練、架構與評估協議，將六種深度強化學習演算法與經校準的規則式HPA在六種負載與五個隨機種子下比較。結果：發現在成本面HPA普遍最優，惟在突發負載下某些RL可明顯降低SLO違規，凸顯基準校準與報酬工程的重要性。

深度分析

CDTI 配對設計揭露未觀測混雜因素：ICU 機械通氣因果分析新突破

本研究提出以治療意圖偵測未觀測混雜因素的新觀測設計，透過專家比較配對病患挖掘隱藏變項，於ICU機械通氣與住院死亡率實驗證顯示能有效揭露混雜偏誤，理論證明Z‑匹配、π‑匹配與Z‑支配三種策略具隨機支配性，並於半合成MIMIC‑III資料成功恢復已知混雜因素，預示此框架可提升醫療及其他領域的因果推論可靠性。

深度分析

E³C：視角對齊3D記憶與latent video diffusion實現可控的egocentric影片生成

此研究針對第一人稱影片生成提出E³C，結合半稠密3D點雲記憶與ego／exo骨架控制。透過每點外觀特徵與持續性姿態token，提升相機運動與人員一致性。結果在Nymeria資料集上展現顯著畫質與控制力提升。並支持場景編輯如移除物件與修改他人動作，增強模擬與交互應用可用性。

深度分析

CroCo 多語偏好微調：以英語訓練獎勵模型、DPO 與 LoRA 實現跨語對齊

研究探討把英語上的對比偏好調教延伸到多語環境。CroCo以模型自生成回應配對、用英語訓練的獎勵模型於各語言內排序，並以DPO配對微調與LoRA做參數高效適配。實驗顯示多數語言和任務可見改善，同時減少SFT造成的遺忘。這說明英語訓練的獎勵信號可作為跨語言內部排序依據，降低逐語標註需求。

深度分析

KV‑Cache 量化導致的 Jensen 偏差：以每分數校正恢復影片擴散品質

影片擴散模型以 KV‑cache 重用過往片段減少計算，但低位量化會導致 softmax 的指數引入系統性偏差（Jensen 偏差），使量化後的鍵值不當吸走注意力。論文提出以量化步階與查詢範數計算的每分數校正項，並用二階泰勒近似得到低開銷實作，實驗顯示在 INT2 下可回復多數畫質損失，兼顧記憶體與品質。

速報

自動研究系統的工作流程閉環：科學性危機與設計修正

近年自動研究系統已能從構思、實驗、寫作到自我評估全流程自動化，然而此種「工作流程閉環」未必等同於科學上的閉環。研究團隊以超過 100 篇近期論文與 21 個代表性系統為基礎，辨識出三大失敗模式：目標崩解、驗證崩解與接受崩解。