速報
POST-Agents 提案：確保未來人工智慧可安全關閉的理論框架
研究者針對未來人工智慧代理人可能抗拒關機的風險，提出「POST-Agents 提案」。該提案要求訓練代理人只在相同長度的軌跡間滿足偏好（POST），並證明在結合其他條件下可導出「中立性+」原則：代理人在期望效用最大化時不考慮軌跡長度的機率分布。
Latest
深度分析
ILP 助力神經符號弱監督：提升多實例部分標籤學習的可解釋性與魯棒性
弱監督在標籤稀疏或噪聲情況下仍可訓練模型，但缺乏可解釋性。研究將歸納式邏輯程式設計結合 MI‑PLL，提供結構化關係約束，提升透明度與魯棒性。ILP 定義邏輯假設空間，明確描述標籤轉換規則，使預測可被領域知識驗證，對醫療與金融等高風險領域尤為重要。實驗顯示錯誤偵測率顯著降低。
深度分析
Cortex 框架以 32 種技能原語實現長時程機器人任務的雙向對齊
近期長時程機器人操作受限於單一回饋的 Markov 偏差，Cortex 透過雙向對齊的規劃介面，將高層語意轉化為 32 種可執行技巧，並加入物理可行性原則，自動標註大量影片與模擬資料。實驗證實其在長時程基準上提升數個百分點，並成功零樣本完成複雜化學任務。
速報
UBEP：突破 MoE 超大型超算叢集的通訊瓶頸
研究團隊針對在高頻寬超算叢集（如 NVIDIA NVL72/576、華為 CloudMatrix384）上部署 Mixture-of-Experts（MoE）模型時遭遇的三大通訊瓶頸，提出 UBEP（Unified‑Bus Expert Parallelism）通信函式庫。
深度分析
利用 GSPO 強化學習提升 LLM 生成 BPMN 流程的語法與語意品質
大型語言模型（LLM）已能從自然語言敘述產出 BPMN 流程圖，但僅靠監督微調（SFT）會受限於訓練資料的模式。研究以 Group Sequence Policy Optimization（GSPO）結合 38 項自動化指標，對 Llama 3.1 8B 與 Qwen 2.5 14B 兩大模型進行 48 種獎勵配置的實驗。
深度分析
PVCap：結合 PseudoCap 與 VoxelCapNet 的高效 3D 密集描述框架
3D密集描述是新興視覺語言任務，PVCap利用PseudoCap隨機混合實例產生多樣空間布局，並以教師‑學生框架生成偽標籤，同時採用VoxelCapNet以體素特徵提升說明能力。實驗在ScanRefer與Nr3D上分別達到89.57%與61.61%CIDEr@0.5IoU，顯示其領先表現。
速報
SocaSim：LLM 多代理模擬平台驗證 Putnam 社會資本理論
研究以Putnam社會資本理論為基礎，開發LLM多代理模擬平台SocaSim，結合社群網路、信任與規範演化，重現宏觀模式並解析微觀因果。結果顯示平台可在智慧長照情境下提供可解釋的過程分析。此方法亦為社會科學與計算科學的跨領域合作提供新範式。
深度分析
REDDIT：重播分布編輯提升 Whisper 系列時間戳校正與 ASR 穩定性
研究指出自動語音辨識模型在長時間非語音段落會出現時間戳漂移。提出REDDIT兩階段重播分布編輯方法，利用自動生成的校正資料修正時間戳，同時避免遺忘問題。實驗顯示在Whisper‑tiny上將長段mIoU提升至95%。此方法僅更新0.6%參數，無需額外對齊模組，提升實務部署的可靠性。
深度分析
HeRo：層級式詞彙路由實現 LLM 隱寫水印的選擇性揭露
隨著大語言模型廣泛應用，辨識AI生成文本成為挑戰。研究提出HeRo層級詞彙路由水印，允許依授權層級解碼部分隱藏資訊。實驗顯示在保持文本品質的同時，偵測精準且延遲低。此外，HeRo保證抽樣分布無偏，兼具對抗文字擾動的韌性，且在GPU上批次運算效率高於現有多位元水印方案。
速報
首個多人世界模型：即時生成 Rocket League 四人比賽的 50 億參數潛在擴散網路
研究團隊開發了首個能在高度動態、具複雜物理互動環境中運作的多人世界模型。與傳統單人模型不同，它以多位玩家的行動序列為條件，能正確歸因場景變化並在任意組合動作下保持一致性。模型以 10,000 小時的公開機器人遊戲資料訓練，使用 5 億參數的潛在擴散架構，單顆 Nvidia B200 GPU 即可即時產生四人對戰，達到每秒 20 幀。
深度分析
「PolicyShiftGuard」：雙階段訓練模型實現政策適應影像安全防護
隨著不同產品與地區的內容政策變動，傳統影像安全防護難以因應。研究推出PolicyShiftBench與PolicyShiftGuard，前者提供2,000筆政策變化測試，後者結合隨機政策SFT與邊界配對適應，使模型在政策轉換下F1達76.9、PSS達72.1，顯示政策感知大幅提升安全判斷彈性。
深度分析
K‑ABENA：基於誤差的自適應反向傳播減算與無偏梯度估計技術
研究聚焦於大型模型訓練中低損樣本的反向傳播開銷，提出K‑ABENA以誤差為基礎的N‑排除演算法，結合防禦式混合抽樣與加權，使梯度估計在設計上無偏，且在非凸目標下保證O(1/√T)收斂。實驗顯示在不平衡與標籤噪聲嚴重的情境下，補償抽樣可將測試AUC維持在0.999左右，同時減少約30%計算量。