深度分析
GrowLoop 架構：結合 Heuristic Learning 與 Rubric–Case 雙迴路的可演化人類相似性評估平台
面對開放式對話中主觀的人類相似性評估，一組研究提出GrowLoop自我演化評估系統，透過人類種子與HeuristicLearning把隱性準則外在化，並以Rubric與案例雙向共同演化區分一致與分歧判準。實驗顯示該系統能持續擴展評測範圍並提升判別力，同時可連動多模態與人機評測流程。
Latest
速報
柏拉圖表示假說與線性表示：從訊號、偏差到雜訊看人工智慧表徵對齊
研究檢驗柏拉圖表示假說，分析現代人工智慧表徵來源。採訊號、偏差、雜訊三分框架，並以線性表示假說與稀疏自編碼器抽取物件—屬性線性特徵，比較稀疏與稠密表示的跨模態對齊。結果顯示中心化與正規化能改善模型偏差，資料稀少會提升表示雜訊。有助於解釋不同架構下表示對齊現象。
深度分析
Qwen Guard 在開源安全守衛模型評測中以高召回率領先，模型規模非決定因子
本研究以NIST安全分類聚合79,331筆資料，橫向評估14款開源安全守衛模型，並強調召回率為生產部署首要指標。結果顯示Qwen Guard以高召回領先，且模型參數量與檢測能力並不成正相關，實驗亦指出標籤正規化與閾值策略會顯著影響評估與部署取捨。
深度分析
用 AI 程式代理開發 clax-pt（JAX）：監督流程、失效案例與最佳實務
研究記錄物理學家在多日多次會話監督下以Claude代理於JAX開發可微分擾動論模組clax-pt；採oracle測試與會話日誌追蹤多起監督事件，顯示代理能自動修正多數實作錯誤但需人為介入於結構性錯誤與無物理依據的校正；結論指向監督協議設計對科學軟體可信度的決定性影響。
速報
個人化人工智慧代理的選擇性問答：多來源記憶與衝突解析基準發布
隨著個人化人工智慧代理採用持久化、多來源記憶，系統必須在互相衝突或不完整的證據間選擇或放棄回答。研究提出一套選擇性問答基準，包含18種題型、8類推理、480個人物設定、4個亂數種子與34,560個實例，並在來源上加入可控扭曲以建立確定性標註。
速報
語意檢查點與情境Bandit：保障多代理科學計算因果一致性的決策框架
科學計算自動化不只要產生可執行程式，還要確保決策可追溯與結果一致。本文提出結合情境Bandit、結構化代理間通訊與語意檢查點的多代理框架，以維持動作到結果的因果連貫。實驗以敏感度分析與不確定度量測為例，顯示框架能改善收斂與魯棒性，降低語意漂移對策略學習的破壞。
深度分析
Compass：以Knowledge Tree驅動的LLM代理進行海洋鉛（Pb）資料抽取與整合
為解決海洋鉛(Pb)資料散落於論文的資料孤島，研究提出Compass框架，將專家知識以KnowledgeTree注入LLM代理，分解為蒐集、抽取、聚合三階段並內建多重驗證。部署於230,000篇公開論文，回收3,751筆新增記錄，擴大東海與南大洋覆蓋。
深度分析
在 Lean4 上以多代理系統實現教科書自動形式化：AutoformBot 與 ATLAS
在大型語言模型大量產出的當下，數學論證的機械驗證成為顯學。研究提出AutoformBot，一個以多階層代理（數千個LLM實例）與Lean4形式化工具為核心的管線，結合依賴感知排程、版本控制與自動化評鑑，將教科書敘述轉為機器檢驗的定義與證明。
深度分析
Croissant Tasks：以 JSON-LD 宣告式元資料落實機器學習評測的可重現性
機器學習在基準評測上長期面臨可重現性困境。Croissant Tasks採宣告式、機器可執行的元資料格式，將任務與解法分離並描述輸入、輸出、評估與執行細節；實驗顯示可由語言模型自動抽取規格並由代理人生成可運行的重現管線，提升概念性可重現性影響。
深度分析
EvoXXLTraffic：納入逐年感測器演化的超長時序交通資料集與評測框架
城市交通預測長期受限於固定感測網路。EvoXXLTraffic將XXLTraffic重組為逐年演化的感測器集合、年度流量矩陣與圖結構快照，並提出以年為單位的串流預測協議。基準測試發現多數現行頂尖模型在演化資料上表現退化，且冷啟動感測器成為主要瓶頸。
深度分析
BitTP：以權重-only 1.58 位元量化壓縮 Seq2Seq 軌跡預測以利邊緣部署
BitTP 提出一套針對序列到序列（Seq2Seq）語言型軌跡預測器的輕量化框架，透過自訂 BitLinear 模組把 nn.Linear 權重量化到極低位元（最佳為 1.58-bit），同時保留激活值為全精度。
深度分析
用PTCG-Bench評估LLM代理人：不完全資訊、長期規劃與模組化介面
在寶可夢集換式卡牌遊戲場景下，PTCG‑Bench以完整對局評估LLM代理的策略、長期經驗累積與介面影響。該基準結合不完全資訊推理、長期規劃與文字數值混合推理。實驗顯示代理可達顯著遊戲表現，但自我演化未能穩定提升，且受介面設計左右。值得進一步研究