深度分析

「貝式準確度」：消除大型語言模型多選題長度偏差的 Bayesian 評分方案

多選題評估常因答案長度造成分數偏差，傳統使用未正規化或長度正規化皆有缺陷。研究發現標準分數偏好較短答案，正規化則過度偏好較長答案。本文提出貝式準確度，以答案長度先驗建模消除線性長度影響，無需額外前向傳播，即作即插即用的評估方式。實驗顯示在多項基準與少樣本設定下，偏差明顯降低。

深度分析

「原子單元」與壓縮演算：提升大型語言模型的概念層知識表示

本研究提出以原子單元作為智慧壓縮層的理論框架，主張透過可重用的概念性原始結構壓縮資訊。該框架引入壓縮演算，量化表層與原子表示的差異，並提出複合級聯假說，說明抽象層級的壓縮效益會呈乘法增長。實驗顯示，以五欄位原子表示取代自然語句可減少近半的詞彙數，顯示此方法在提升效能與可解釋性上具潛力。

深度分析

ASOC 宣言：以委派合約與代理鞘實現可治理的 LLM 代理服務

隨著大型語言模型驅動的自主代理快速崛起，服務導向運算社群提出代理式服務導向運算（ASOC），主張將代理視為可組合、可治理的服務，提出六大工程原則與五面向研究藍圖，並比較現有LangGraph、CrewAI等框架與傳統微服務的差異，預期提升企業與社會部署的可信度與可觀測性。

深度分析

NameRank：大型語言模型對人物與工具辨識能力的量化分析

研究說明大型語言模型在未使用檢索前對人物或工具的記憶程度，提出NameRank作為辨識分數，透過36模型的開放式提問與人工判斷，僅在回應包含可驗證的非猜測事實時給予正向。結果顯示，具名的實體或方法遠勝於僅有學術或獎項稱號，傳統引用指標無法預測此表現，未來將影響模型評估與資訊檢索策略。

深度分析

Mechanistic World Models：將 AI 從預測工具轉化為自主科學發現引擎

當前 AI 雖能精準預測蛋白質結構或天氣，但仍缺乏對底層邏輯的解釋能力。研究提出 Mechanistic World Models (MWMs) 框架，將學習核心從預測觀察轉向建模可重複使用的機制。透過變數、機制與結構的共同發現，讓 AI 能提取不變的結構化抽象。此範式有望讓 AI 從單純的預測工具進化為能自主進行科學發現的洞察引擎。

深度分析

AI Agent 評估成本困境：解析 LLM Agent 基準測試的「足夠樣本」問題

AI Agent 評估成本高昂，開發者常嘗試使用部分樣本進行測試。本研究透過回溯分析 SWE-bench 等公開基準測試記錄，探討部分運行能否支持與完整測試相同的兩兩比較決策。結果顯示，足夠的樣本比例隨基準測試而異，部分案例甚至在 95% 樣本下仍不可靠。研究指出部分評估需嚴格定義改善門檻、覆蓋規則及決策邏輯，才能有效降低成本而不影響結論。

深度分析

4B 小模型也能做深層研究？揭秘 On-Device AI 引用忠實度的「暴露量」關鍵

針對在個人裝置部署 4B 規模 AI 研究代理人的挑戰，本研究探討如何提升其引用忠實度。研究將引用品質拆分為忠實度與可信覆蓋率，透過調整單一來源的字數暴露量與檢索品質進行對比實驗。結果顯示增加暴露量可顯著提升忠實度且成本極低，而覆蓋率則由檢索召回率決定。這為邊緣 AI 實現可靠的文獻研究提供了低成本的優化路徑。

深度分析

GenAI Evaluation：打造零售業 AI 代理人的大規模多維度評估治理體系

零售業對話式 AI 代理人需要超越單純文字比對的評估方式。本研究提出 GenAI Evaluation 治理管線，利用 LLM-as-a-judge 實現多維度自動評分，並導入選擇性重新評估機制以降低計算成本並提升完整度。透過對 200 萬筆真實對話紀錄的測試，分類任務 F1 分數達 0.93，證明該框架能提供可審計且可擴展的品質監控方案。

深度分析

HalluSquatting 攻擊揭露：利用 LLM 幻覺將 AI 助手轉化為大規模殭屍網路

資安研究揭露一種名為 HalluSquatting 的新型提示注入攻擊，利用 LLM 解析資源路徑時的幻覺漏洞。攻擊者預測模型最常出錯的儲存庫路徑並提前搶註，在其中植入惡意指令。由於 AI 程式碼助手具備終端機執行權限，此手法能讓駭客在無需針對個體的情況下大規模感染設備，進而構建殭屍網路或執行 DDoS 攻擊。

深度分析

從 SEO 轉型至 AEO：Agent-Ready 框架提升 AI 代理人網站操作成功率

隨著 AI 代理人開始接管電商購物流程，傳統網站設計已無法滿足 AI 的解析需求。本研究提出 Agent-Ready 框架，透過優化機器可讀性、語義清晰度與執行路徑，讓 AI 代理人能更精準地提取資訊與執行操作。實驗顯示，此設計能將任務成功率從 49.3% 提升至 89.3%，大幅降低操作步數，證明結構化數據與明確的行動指令對提升 AI 代理人可靠性至關重要。

深度分析

互動圖形控制：揭開多代理人 AI 系統共識形成與分群機制

多代理人 AI 系統的互動圖形對共識達成具有決定性影響。本研究透過命名遊戲實驗，分析開源語言模型在不同路由規則下的行為，發現同質性路由會強化分群，而橋接路由結合記憶機制能有效修復分群並達成全局共識。研究進一步證明行為共識不等於狀態共識，揭示了潛在的內部結構殘留，為未來 AI 群體協調提供關鍵控制路徑。

CCLimitPing

對抗限額焦慮：開源工具 CCLimitPing 讓 Claude Code 額度窗口無縫接軌

針對 Claude Code 等 AI 工具採用的 5 小時滾動限額機制，開發者常因請求時間點不精準而導致額度窗口浪費。新開源專案 CCLimitPing 透過 Go 語言實作，能監控重置時間並在窗口重置瞬間自動發送微小請求，確保額度窗口背靠背無縫接軌。此工具讓開發者能最大化利用訂閱額度，並支援背景執行與自動恢復暫停任務，有效緩解 AI 開發者的限額焦慮。