深度分析
Lean 4 證明狀態快照：以 LSP 快照消除闡述開銷、加速並行 tactic 搜尋
自動定理證明在 Lean 4 的並行策略中受制於每分支的重複闡述成本。本研究提出在 LSP 層實作的「證明狀態快照」，擷取已闡述狀態並在分支間複用，以輕量分叉平行執行候選 tactic。實驗在 miniF2F-v2 上觀察到平均約十四倍的 wall-time 加速，顯著降低每分支的重複開銷。
Latest
速報
Zero-Knowledge MRTA 與 SwarmCF：無通訊下的去中心化低秩協同過濾
研究提出 Zero-Knowledge MRTA，描述一種實務常見但理論上少被討論的情境：機器人團隊既沒有任務模型，也無任何通訊，只能收到帶噪的公共結果廣播。論文設計 SwarmCF，一種在廣播上執行的線上低秩協同過濾，讓每台機器人依據隱藏的低秩結構推估自己對未嘗試任務的能力。
深度分析
生成式人工智慧（GenAI）與北京城市不平等：核心區曝露、去技能化與高技術薪資陷阱
本研究以2018–2024年間北京4,995,615則職缺為樣本，建立由五款大型語言模型整合的生成式人工智慧曝露指數。採差異中之差檢驗ChatGPT釋出後影響，發現AI曝露集中於核心區且出現高技術人才增加但薪資停滯。並指向去技能化與勞動市場擁擠為關鍵機制。
深度分析
BC Protocol：雙專家語音對話採集高品質 CoT（思路鏈）資料的方法
BC Protocol 提出以雙專家（領域專家 + 知識工程師）語音對話，系統性外顯專家隱性推理，並透過Participant Aptitude六向度與「校準性無知」等機制把關品質。
深度分析
SiST-GNN：在單層訊息傳遞中同時融合時空訊息的動態圖神經網路
許多關係系統隨時間演化需預測未來互動。SiST-GNN在單一訊息傳遞層同時融合空間與時間訊號，將節點歷史隱態與當前特徵以交叉時間邊引入圖中並共同卷積。在多個基準的連結預測與節點分類上顯著提升，固定切分與即時更新評估的MRR分別提升109–277%與68–194%。
深度分析
HELM 框架映射：2017–2025 年 LLM 程式碼生成研究的系統性三階綜述
在軟體工程領域，大規模語言模型被用於自動產生可執行程式碼。本綜述整合30篇次級研究，採HELM框架評估準確性、健壯性與效率，並檢視整合挑戰如經濟可行性與評估有效性。結果顯示基準表現普遍良好但實務泛化與整合仍有限，建議優先推動領域感知模型與標準化評估。
深度分析
端到端 SNN 用於 LiDAR BEV 偵測：脈衝域損失與低能耗部署
為了在車用受限功耗下達成精準三維偵測，研究提出以脈衝神經網路（SNN）處理LiDAR BEV點雲的端到端架構；採surrogate gradient訓練、兩種推論變體（膜電位與全脈衝）與兩項脈衝域損失，並比較四種輸入編碼；在KITTI上接近CNN水準，保守估算可減少約3.33×synaptic推論能耗。
速報
READER：以推理驅動的 AI 文本檢測器登場
面對大型語言模型與人類創作愈加難以區分的挑戰，研究團隊提出 READER，一款強化推理的 AI 文本檢測器。READER 透過一套名為 READ 的監督理由集進行微調，使模型在判斷前先生成結構化理由，再輸出人類或 AI 的判定結果。此設計同時將可解釋性納入決策流程，讓檢測結果不只給出標籤，也能說明依據。
速報
潛在 Q-Barrier 盾牌：為安全 in-context 強化學習加上行動層安全濾網
研究指出，僅靠預訓練的in-context強化學習在部署分佈外時，回報與安全常難兼顧。提出潛在Q-Barrier盾牌：部署前學情境表示、潛在動態與成本評估器；部署時無參數更新，依歷史與剩餘預算過濾或軟性重權動作。五項基準實驗顯示，盾牌能改善部署期的回報與安全權衡。
深度分析
CVE-2026-48710（BadHost）：Starlette Host 驗證缺失對 FastAPI 與 MCP 的授權繞過風險
資安研究者揭露Starlette框架存在一項關鍵漏洞，可使攻擊者藉由修改HTTPHost欄位注入路徑，讓框架錯誤重建請求URL並繞過基於路徑的授權，導致SSRF或遠端程式執行；受影響系統涵蓋FastAPI生態、MCP伺服器與多個AI代理，存在敏感資料與憑證外洩風險。
深度分析
表示移植（representation transplant）：以推理—演繹糾纏處理領域泛化
領域泛化（Domain Generalization）常因來源與目標資料分布不同而失效。
深度分析
ReWA：結合重參數化、權重衰減與座標自適應學習率的稀疏優化方法
本研究回應稀疏優化的穩定性難題，提出ReWA：以重參數化、權重衰減與座標自適應學習率改寫優化步驟。ReWA於數學上連結ℓp正則化（0<p<1），但在參數空間創造較平滑且有界梯度景觀，減少接近零時的震盪；實驗於CIFAR-10與ImageNet顯示在不顯著降準確度下，改善模型稀疏性。