深度分析

使 SFT 成為良好 RL 初始化：PEAR 的分布校正與 token/區塊/序列重權策略

此研究指出，單純追求監督式微調（SFT）離線成績，未必能帶來線上強化學習（RL）階段的最終提升。

深度分析

ARISE：以大型語言模型與注意力加權強化分類資料的語意嵌入

分類型資料在醫療、行銷與生物資訊等領域常見，但因缺乏內生度量，聚類常被語意差距模糊化。ARISE提出以值為單位向大型語言模型查詢，生成結構化描述後經注意力加權編碼，並以自適應融合結合類別身份向量，形成語意增強的表示空間。

速報

資料驅動最適控制（DDOC）：為自動駕駛動作規劃建立可信路線圖

自動駕駛的動作規劃存在可驗證安全與泛化能力的兩難。資料驅動最適控制（DDOC）融合最適控制理論與機器學習的自適應能力，提出定制化、動態適應、自我調整三大面向的實作路線圖，並指出未來四個研究方向以縮短實務差距，推動可信且類人化的自動駕駛落地。

深度分析

E-valuator：以序列假設檢定與 e-value 為代理人驗證建立可控誤報率

面對代理人（agentic）系統在長序列動作中容易出錯的挑戰，研究提出 e-valuator：一個把任意黑箱驗證器輸出轉換為具統計保證決策規則的輕量化外套。方法以序列假設檢定與 e-value 工具，先收集少量校準軌跡、學習成功/失敗分數序列的密度比，接著以可控門檻在每一步監控，從而在不需改動原驗證器下控制誤報率並提升檢測力。

速報

KOTOX：針對韓語混淆有害語句的去混淆與去毒化資料集

針對語言模型在網路環境遭遇刻意文字混淆的挑戰，研究團隊提出KOTOX，一個韓語去混淆與去毒化資料集。研究以語言學為基礎，分類韓語的黏著型詞形變化與Hangeul特有的正字變體，並從真實範例萃取轉換規則，生成有害與中性句對及其混淆版本。

深度分析

LLM 計費漏洞與機制設計：從分詞誤報到按字元定價

面對以每代幣計費的雲端LLM服務，供應商可透過誤報分詞增加收益。研究提出揭露產生過程與按字元計費兩種對策，實驗顯示在透明化下仍存在可被利用的啟發式攻擊並能造成顯著加價，因而主張改為按字元線性定價以消除策略動機。並分析其對AI產業、開發者生態與商業模式的長期影響。

深度分析

NOVA 框架：形式化分析 AI 自我迭代式知識發現的收斂、失敗與成本

研究探討AI能否靠自我迭代發現新知。論文提出NOVA框架，把生成-驗證-累積-重訓視為知識空間的適應性抽樣，分析覆蓋條件與失敗模式，並推導在Zipf尾部假設下發現成本隨前沿推進呈多項式放緩。指出驗證不完美會引發汙染陷阱，且人類專家在探索邊界時具備放大量能的角色。

深度分析

Neural Rule Inducer（NRI）：以字面量統計與可微分執行實現零樣本規則歸納

在可解釋機器學習領域,研究提出一種基礎模型用以零樣本歸納邏輯規則。方法透過純統計性字面量編碼、平行槽位解碼與可微分T-範數執行,以合成布林公式預訓練。實驗顯示模型可於無重訓下對實務表格任務產生可解釋的DNF規則,展現符號推理基礎模型的可行性。研究也評估了雜訊與虛假相關性下的魯棒性。

Sana

以系統紀錄綁定代理人：Workday 用 Sana + Gemini Enterprise 強化權限與稽核

企業導入代理人式人工智慧時真正卡關的不在模型，而在權限與治理。Workday 以 Sana 把系統紀錄當作代理人治理層，並在 Gemini Enterprise 上整合對話介面與驗證流程；核心做法是讓認證、授權與稽核留在原系統，以降低 HR 與財務流程錯誤與合規風險。

TANDEM

TANDEM：串聯強化學習與跨模態快取的多模態仇恨言論時序定位框架

隨著社群平台長篇多模態內容增加，視聽文本交織使仇恨言論檢測更複雜。論文提出TANDEM框架，將二元判別改寫為結構化時序推理，透過視語與聲語模型的串聯強化學習（tandem reinforcement learning）與跨模態上下文快取，穩定長序列推理並可進行時序定位與目標識別。

深度分析

荷蘭瓦解疑涉 ASOCKS 與 Proxylib 的住宅代理殭屍網路

荷蘭警方與國家資安中心合作，查扣並讓一個由約兩百台伺服器管理、超過一千七百萬裝置的殭屍網路下線，主機位於荷蘭。當局與非營利組織指出，該網路疑與提供住宅代理服務的ASOCKS有關；住宅代理會透過第三方裝置轉發流量，使來源看似「正常」但也便於躲避地理限制與偽裝攻擊行為。

速報

TelecomTS：為5G可觀測性時間序列打造的大規模基準

企業在監控系統時產生大量可觀測性時間序列資料。論文提出TelecomTS，來自5G電信網路，包含去匿名化共變量與絕對量級資訊。並提供異常檢測、根因分析與多模態問答等下游任務。測試顯示現有基礎模型面對突發噪聲與高變異時效力有限，保留量級資訊至關重要。