深度分析
VibeSearchBench：代理人在多回合 VibeSearch 任務的知識圖構建與評測
面對使用者模糊查詢與多輪互動需求，VibeSearchBench提出以角色驅動的逐步揭露與無架構知識圖評估。它強調雙向收斂與多回合主動釐清，實驗顯示前沿模型在真實代理環境下F1僅約三成，反映現有架構不足。研究同時指出挑戰包括語境溢出、意圖誘導不足與結構化輸出匱乏。
Latest
SPAR
SPAR：在離線強化學習中以殘差策略維持資料支援並局部改進
離線強化學習面臨價值最大化與資料支援衝突。研究提出SPAR，以行為克隆基底搭配殘差修正，在資料一致的局部殘差空間做細緻擬合與局部提升，並以潛在空間自我模仿和保守價值加權控管探索方向。理論與實驗指出可避免價值梯度推動策略偏離資料流形，並顯著提升任務表現。
大型語言模型 (LLM)
以搜尋摘要（Snippet）與 LLM 建構可稽核的中國供應鏈知識圖（SCKG）
本研究指出中國供應鏈在公開披露下存在可見性盲點，提出以搜尋結果摘錄（snippet）結合大型語言模型做首輪關係萃取，保留來源與可稽核的證據，並在上市公司子集顯著擴展公司與關係覆蓋。與傳統全文抓取相比能在成本與冗餘上節省資源，同時保留審查鏈結。
深度分析
殘差化稀疏自編碼器（ReSAE）解析：降低多層 Transformer 干預中的重複與交互
研究針對大型語言模型殘差流的跨層耦合問題，提出 ReSAE：透過仿射回歸移除前層可線性預測成分，於殘差上訓練稀疏自編碼器，並在重建時以回歸鏈還原至原始激活空間；實驗顯示殘差化雖降低原始變異回復，卻在多層替換時更能還原模型交叉熵並降低解碼器冗餘。
速報
視覺語言模型(VLM)在古希臘史料OCR上出現流暢性誤讀
研究以視覺語言模型(VLM)檢視史料OCR表現。採用受控影像擾動與逐詞分級判定，發現多數VLM即使文字流暢也可能不以視覺為依據，錯誤具語言先驗傾向；專用OCR與通用VLM在視覺依賴上差異明顯，解碼時修正效果有限，後處理語言模型能部分補救。具有實務意涵
深度分析
Figma Make 雙向 Git 整合：在畫布上直接編輯可審核的前端程式碼
Figma將Make從原型沙盒升級為可連接生產程式碼的視覺編輯器。新版允許桌面匯入既有Git倉庫、在畫布上視覺化改寫前端程式碼，並透過標準GitHub拉取請求推送變更。整合保留版本控制、CI與審查機制，將設計變更納入既有工程治理，可能重塑前端協作流程。
深度分析
來源感知與現象感知重排序：英→印地語性別保存與保存—流暢性前緣
本研究檢視英文到印地語翻譯，當原文明確表達性別時，譯文應保留該線索。作者構建37,345例基準，提出兩種推理時重排序器：來源感知重排序器避開使性別中性化的句法，現象感知重排序器以詞彙標記繞過中性化。結果顯示標記法大幅提升保存但降低流暢，呈現保存與流暢性的取捨。
深度分析
DataHub Context Intelligence：以 SQL 查詢日誌構建代理人語意層
在大型資料倉儲中，AI代理常因缺乏語意背景而誤判查詢上下文。DataHub以歷史SQL查詢建立語意索引，轉成語意錨點供代理檢索，並透過MCP、LangChain等介面暴露。平台從生產環境的查詢日誌抽取並解析，篩選高品質分析查詢與排程管線作為信號，專家可檢視並解決衝突定義。結果是代理較少錯誤拼接JOIN，查詢路由與結果一致性因此改善。
NVFP4
Swin Transformer 對 NVFP4（FP4）量化感知訓練的魯棒性：架構、尺度與 QAT 食譜比較
針對腦瘤MRI像素級異常分割，本研究比較CNN、ViT與Swin三種架構在500K至15M規模及八種NVFP4四位元QAT食譜下之表現，發現Swin於各尺度對QAT食譜高度魯棒，先進食譜可避免注意力離散化並減緩大型CNN因梯度量化造成的效能衰退。
MiniLM 嵌入
Eliot：以 MiniLM 嵌入、UMAP 與凝聚式聚類實現查詢時 arXiv 論文叢集與時間視覺化
Eliot 是一套公開部署的互動系統，針對快速變動的學術領域提供可追溯的文獻演化檢視。使用者以明確的查詢條件在查詢時自 arXiv 抓取論文，系統以標題與摘要建立語意表示、降維並做叢集，為每個叢集指派代表關鍵字，並以發表年分呈現時間分布以利檢視趨勢。
深度分析
GB10（ASUS Ascent GX10）能耗可觀測性審核：SCMI 與內部計數器缺失分析
研究揭露邊緣代理式人工智慧的能耗盲點。以 ASUS Ascent GX10 GB10SoC 為例，平台僅提供 GPU 即時功耗，無法透過標準介面取得 CPU 或電軌能量計數。作者建議用外部直流電表加上 GPU 扣除的校準橋接，並推動 SCMI powercap 成為標準。呼籲把能耗可觀測列為硬體首要需求。
深度分析
Grimlock：透過 eBPF、通道綁定與 kTLS 建構無繞過代理通訊守護層
代理系統常把授權與身份檢查內嵌於應用，導致信任邊界模糊。Grimlock透過eBPF在沙箱邊界強制攔截與路由流量，並以TLS1.3的後握手證明綁定通道與短期授權範圍，接收端再驗證身分與範圍後才釋放明文。此設計提升可稽核性與最小權限傳遞，適用於跨主機與多雲部署。