深度分析

Interpretive Audit Pipeline：解析LLM在公開評論中的模型分歧與影響

研究探討政府公開評論如何被大型語言模型重構，進而影響決策。文章提出InterpretiveAuditPipeline，透過多模型比對將分歧視為診斷訊號，引導人類審查具解釋性複雜的留言。實驗顯示模型間主題組織存在實質差異，僅靠立場正確率不足以保證代表性。

深度分析

縱向追蹤 LLM 使用行為：Bing Copilot 與 WildChat-4.8M 的代表性與族群偏差分析

研究以約一萬二千名Bing Copilot用戶與WildChat‑4.8M資料做縱向分析，採分層抽樣並衡量使用強度、語句複雜度、任務完成率與使用意圖。發現個人行為高度黏著但族群層面會朝高活躍用戶特徵偏移，且WildChat樣本偏向高能用戶，代表性有限。

速報

BEAMS倡議：以 sd ai 開源框架建立可解釋的建模與模擬基準

面向真實決策的AI工具必須能建立可解釋的模擬模型並支援人類專業互補。BEAMS倡議以開放數位與組織基礎設施協作評估建模與模擬工具。評估實作多項自動化測試含因果轉譯、模型迭代、因果推理、合規、模型行為說明與建模建議。結果顯示此類工具在討論與定性任務表現優於因果推理與定量錯誤修正。

速報

LLM代理人策展：用大型語言模型提升表型文字對齊本體的基準評測

研究指出表型自由文字註記是跨研究整合的關鍵瓶頸。採用五款來自Anthropic與OpenAI的大型語言模型作為代理策展人，在封閉工作區內以原始出版PDF、本體與原始註記指南執行Entity–Quality註記並比對既有金標準，結果顯示所有代理人表現落在受訓人類註記者的變異範圍內且優於SemanticCharaParser。

多代理審查

Agent Arena：多代理審查框架支援 Claude Code、OpenAI Codex 與 Hermes Agent

針對高風險技術決策，Agent Arena 提供多代理辯論、紅隊審核與證據檢查流程。它讓 Claude Code、OpenAI Codex 與其他代理各自分析並互相批判，保留異見以避免單一模型過度自信。專案以協議/指令技能呈現，並非自動化執行器，需由主機代理與認證授權來協作。

Nuwax

Nuwax Agent OS：以 TypeScript 與 Docker 支援的企業級自架 Agent 平台

Nuwax 是一個以 TypeScript 為基底的開源 Agent OS，定位為企業級的代理人開發與運營平台。專案提供從代理建立、分發、知識庫管理到模型代理、記憶系統與插件生態的完整工具鏈，並強調以 Docker 與 CLI 快速在本地或多伺服器環境部署。

agnix

代理設定靜態檢查框架 agnix（Rust）：規則驗證、修復與編輯器/CI 整合

在AI代理普及之際，agnix提供針對代理設定的靜態檢查與自動修復。它以Rust實作，驗證CLAUDE.md、SKILL.md、hooks與MCP等檔案並支援IDE外掛與CI整合。主要效果是在提交或部署前攔截破碎設定，提升代理工作流程可靠性。

tree-sitter

用 Tree‑Sitter 與 Model Context Protocol 建置程式碼知識圖譜 — codebase‑memory‑mcp 分析

一款主打超高速程式碼智能檢索的新開源專案，基於Tree‑Sitter解析與MCP協定建立永久性知識圖譜。它以AST與LSP式混合型型別解析支援多語言，提供sub‑ms級結構查詢並大幅降低token成本。實驗資料顯示查詢延遲與token消耗顯著下降，有利整合入多種程式碼代理人。

Claude HUD

Claude HUD：為 Claude Code 提供即時會話儀表板與上下文可視化

Claude HUD 是一個為 Claude Code 設計的開源插件，能在使用者輸入框下方即時顯示會話狀態，包括專案路徑、上下文容量、工具活動、子代理運行與代辦進度。這個由 jarrodwatts 開發、採 MIT 授權的專案在 GitHub 上擁有明顯的社群關注（stars 與 forks）。

LLM

free-llm-api-keys 實務分析：API 金鑰可用性、濫用風險與本地化推理選項

GitHub 倉庫 free-llm-api-keys 彙整多款可直接貼入使用的免費 LLM API 金鑰，主打免信用卡、免註冊、可用於支援 OpenAI SDK 的工具與實驗環境。專案每日多次更新並提供在線驗證機制，但金鑰屬於公開共享資源，易遭預算耗盡、頻繁失效與被濫用，對生產環境並不安全。

深度分析

RSBM：以 ε-正則化連接施羅丁格橋與流匹配，實現 3 步視覺導航

視覺導航同時面對高維感測與即時控制限制。本文提出修正施羅丁格橋匹配(RSBM)：以ε正則化在橋與流匹配間插值，採共享速度場減少條件速度變異，並結合學習先驗縮短運輸距離。RSBM證明速度場形式在ε譜系不變且ε線性降低速度方差。實驗顯示僅3步即可達高相似度與成功率。

深度分析

CausalDPO：以因果不變性修正 DPO，提升生成式推薦對分布偏移的穩健性

本篇改寫自 ArXiv 提案，指出直接偏好優化（DPO）在用大型語言模型做推薦偏好對齊時，容易放大訓練資料中來自情境性環境共變因子的虛假相關，進而削弱對未見環境的泛化能力。