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。
Latest
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。
深度分析
i-EXAM：結合規劃編譯、Top‑k 規劃與 LLM 的可說明攻擊圖分析平台
隨著大型網路安全需求提升，i-EXAM 結合規劃編譯與大型語言模型，提供可視化攻擊路徑、差異化硬化建議與自然語言說明，證明在30節點測試中可減少計算時間約五成，預計將推動自動化防禦工具的商業化與開源應用。i-EXAM 透過PDDL規劃模型、Top‑k規劃器與LLM產生說明，並支援多樣化硬化選項，提升系統管理員決策效率。
深度分析
政策梯度自適應批次化於多 GPU 推論提升 3.5 倍效能
隨著大型模型推論流量波動，傳統靜態批次策略難以兼顧吞吐與延遲。研究以REINFORCE與PPO兩種政策梯度演算法，動態調整批次大小與請求路由，並在多GPU環境下將效能提升至3.5倍，顯示自適應RL可減少前端阻塞並優化資源配置。並為雲端服務商提供可擴展的調度方案。
深度分析
Danus 以整數 K 環實現環形圖形切向類別的全自動化構造
研究聚焦於環形圖形（matroid）與奇妙緊緻化的切向類別建構，作者使用AI數學代理Danus自主推導出整數K環中的切向類別，並證明其與實現情況下切向丛的特性相符。相較於傳統手動證明流程，Danus的自動化方法大幅縮短求解時間，預示AI將成為數學家重要合作夥伴，同時也引發研究可信度與學術責任的討論。
深度分析
噪聲通道分解下的最小貝葉斯風險解碼：雙向效用提升機器翻譯品質
本研究針對文本生成的最小貝葉斯風險（MBR）解碼提出噪聲通道分解，將解碼評分拆解為假設對參考的似然、參考對假設的似然、假設先驗與參考先驗四個交互組件。實驗顯示，不同評估指標在各通道上的權重差異顯著，但跨任務表現一致，適當加權可提升翻譯品質。
速報
Nemotron‑Labs 推出 Audex：30B 統一音訊‑文字大模型
音訊智慧涵蓋理解、推理與生成。研究團隊推出 Audex，採單一解碼器將音訊投射至文字嵌入，並統一處理文字與量化音訊 token，訓練資料逾 470 億 token。實驗顯示 Audex 在語音辨識、翻譯、語音合成等多項音訊任務上創下新紀錄，且保留文字模型的推理與長上下文能力，模型已開源供研究。
深度分析
永續個人助理記憶安全新威脅：MemGhost 攻擊框架與 WhisperBench 評估
研究聚焦於永續個人助理的隱蔽記憶注入攻擊。提出 WhisperBench 基準與 MemGhost 單次郵件生成框架，實驗顯示在多模型與防禦下仍能高成功率，提醒業界加強長期記憶安全。此外，測試涵蓋 OpenClaw、NanoClaw 與 Hermes 多種架構，並比較背景與前景執行模式的差異。
深度分析
「Model Context Protocol」的 Unicode TAG 區塊 (T7) 隱蔽攻擊實驗與安全分析
MCP允許代理人從工具伺服器取得工具清單並將描述直接注入模型上下文，研究發現使用UnicodeTAG區塊的隱蔽編碼可在人體審核畫面中隱形，同時完整送入模型。實驗證實此方式繞過字串過濾與視覺審查，顯示協定在渲染與傳遞間缺乏位元一致性，需改以位元忠實顯示以提升安全性。