深度分析
Preference Delta Aggregation 結合 LoRA 幾何對齊合併提升大型語言模型效能
隨著高品質監督資料稀缺，研究利用弱模型間的相對偏好作為「弱」訊號。提出PreferenceDeltaAggregation(PDA)結合LoRA與幾何對齊合併(GAM)以聚合多重偏好差異。實驗顯示，在知識推理與代理搜尋基準上，PDA‑GAM分別提升約6.8與7.3分，超過所有單一與多重基線。
Latest
速報
大型語言模型進入系統技術時代：ICAM 六層架構全解析
大型語言模型正從模型技術轉向系統技術，開發者利用 Codex、Claude Code、AutoGPT 等代理人編寫程式與執行多步驟任務。研究將電腦架構概念映射至模型原生堆疊，提出六層 ICAM 框架，並以機率執行層與決策控制層解釋 LLM 的雙重角色。驗證三大設計法則，指出未來研究方向。
深度分析
TIGER：圖形證據路由降低多模態生成幻覺的雙階段回饋框架
隨著多模態人工智慧模型在內容創作、災害應變與醫療分流等領域的廣泛應用，產出未受輸入支撐的事實（幻覺）成為關鍵挑戰。
深度分析
Geodesic Flow Matching 在 Spatial Semantic Pointers 去噪中的效能提升與神經效率分析
本研究針對高維度連續符號表示的去噪問題，提出在克利福德雙環面上進行測地流匹配的技術。與傳統歐氏流匹配的線性插值不同，測地流保持相位與幅度結構，避免向量崩潰。實驗在脈衝神經網路 SLAM 中顯示，路徑誤差降低 72%，神經效率提升 40%。相較於需大量迭代的擴散模型，測地流匹配僅需少量步驟即可達成相似去噪效果，降低運算負擔。
深度分析
CAST：結合非特權剪枝與優勢翻轉的 GRPO 強化學習新方案
RLVR以稀疏結果獎勵提升大型語言模型推理，CAST引入非特權剪枝非對稱自教與優勢翻轉，利用答案自由自教師在令牌層調整優勢，並為全正/全錯群組賦予有界基礎優勢。實驗顯示在Qwen3系列模型上，CAST於相同預算提升Avg@16與Pass@16，證明正確性感知的令牌塑形可增強RLVR效能。
深度分析
474 種可執行遊戲評測大型語言模型的層級式互動推理能力
本研究提出一套層級式互動推理評估框架，將推理視為在部分可觀測環境下的主動資訊取得與信念更新。模型僅取得任務規則，需自行發問、整合逐步觀測，並判斷何時提交最終答案。框架在四種資料結構（集合、序列、樹、圖）與三種推理模式（演繹、歸納、溯因）上構造 474 個可執行遊戲，並加入情境魯棒性與元認知適應兩層測試。
Opendray
Opendray：本地部署多模型 AI 閘道，支援共享記憶與即時聊天介面
Opendray是一個自建閘道，能在本地基礎設施上同時執行Claude Code、Codex、Gemini與shell，並以共享的本地優先記憶層串接多個CLI，支援Telegram、Slack、Discord等聊天平台的即時呼叫，以及企業微信等多元通訊介面。
深度分析
Grokers 寫時智能與類型化知識圖譜：底部歸納理解提升查詢零成本
在企業軟體與文件管理等重複互動場景中，Grokers 以寫入時底部歸納方式為知識圖譜節點加入結構化屬性，讓未來查詢免除額外語言模型呼叫，實驗顯示可將上下文快取命中率逼近 100%，大幅降低推論成本。此設計同時支援交易性去正規化索引，確保在毫秒級更新後即時可用，對開發者與算力配置皆具長遠正向效應。
native-devtools-mcp
「native-devtools-mcp」：基於 Rust 的 MCP 跨平台桌面與行動自動化伺服器
在 AI 代理人需求升溫的背景下，native‑devtools‑mcp 以 Rust 撰寫，提供 macOS、Windows、Android 以及 Chrome/Electron 的螢幕擷取、OCR、點擊與鍵入等自動化功能，讓 Claude、Cursor 等 MCP 客戶端直接控制本機應用，提升開發與測試效率。
速報
量子通用轉換器（UQT）突破傳統神經網路的數學推理瓶頸
研究指出傳統神經網路在精確數學對稱性上需大量參數且易不穩。團隊提出通用量子轉換器（UQT），利用多量子位的幾何相位與 SU(2) 波干涉，在 5 顆量子位上精確學習模 11 算術與 S4 置換群。實驗顯示 UQT 收斂後具決定性泛化，並在 IBM NISQ 硬體上驗證，可克服自注意力的二次複雜度瓶頸。
深度分析
「延遲步驟獎勵」與「資格門控」：8 億參數開源模型在 MindGames Arena 超越 GPT‑5
研究聚焦於多代理語言模型在長期策略互動中的獎勵分配問題，提出延遲步驟獎勵與資格門控機制，配合非同步批次與課程式對手抽樣，使訓練更穩定且樣本效率高。實驗顯示 8 億參數開源模型在 MindGames Arena 兩項賽事均奪冠，表現媲美或超越 GPT‑5。
GoModel
GoModel：跨平台 Go 語言 AI Gateway，整合 OpenAI、Anthropic、Gemini 等多家模型
GitHub Explorer 探索到的 GoModel 是一套以 Go 語言實作的 AI Gateway，提供統一的 OpenAI 相容 API，能同時串接 OpenAI、Anthropic、Gemini、DeepSeek、xAI、Groq、OpenRouter、Z.ai、Azure OpenAI、Oracle、Ollama 等多家大型。