速報
Dr.CaBot：代理式人工智慧在臨床鑑別診斷的突破
臨床鑑別診斷仰賴醫師綜合病歷與醫學知識。研究團隊提出Dr.CaBot，一款代理式人工智慧系統，可從單一病歷描述自動產出有聲投影片並模擬專家書面與口述推理。盲評結果顯示醫師在多數試驗無法辨源，且在NIH未診斷病例測試中有顯著找出工作診斷的能力。
代理式人工智慧
深度分析
代理式人工智慧驅動的漏洞獵捕變局：大型語言模型、自動化偵測與賞金經濟調整
過去十年漏洞賞金制度由敵對走向合作；如今代理式人工智慧能自動搜尋弱點、生成利用程式碼與自動掃描系統，壓縮發現與開發時間。結果是企業收到大量低到中價值通報、修補節奏被擠壓，攻擊者同樣能更快產生零日漏洞利用，改變賞金與防禦經濟。生態與開發者生計也面臨重整。
深度分析
Google 的科學人工智慧佈局：從 WeatherNext 與 AlphaFold 到 Gemini 代理式系統
在Google I/O上，DeepMind提出科學AI的新方向：從專門化工具走向代理式大模型。新策略以Gemini為中心，結合生成假說與優化演算法的代理人，同時仍倚賴像AlphaFold的專門模型協助結構預測；這波轉向可能改寫實驗流程、研究分工與資源分配。
深度分析
顯式沿革與代理式人工智慧責任：因果貢獻與責任張量的可運算化
代理式人工智慧（agentic AI）從單一輸入輸出，演進為能規劃、執行並在長期回路中自我修正的系統，卻也將傷害源自多元組合行為，使責任分散且難以歸屬。
Redis Iris
Redis Iris 情境層解析：解決代理式 AI 的檢索、記憶與治理挑戰
Redis 推出 Iris，主打在代理式人工智慧（agentic AI）世代解決檢索層規模不匹配的問題。Iris 將資料整合、語意存取、會話記憶與低延遲檢索整合為一套平台，包含資料同步（RDI）、語意檢索器（Context Retriever）、動態記憶伺服器與重新設計的儲存引擎 Redis Flex，以及語意快取與檢索模組。
深度分析
Phoenix-bench：以 Verilator 與可執行 EDA 檢核評估代理式人工智慧於硬體維護的效能
本研究檢視代理式人工智慧從軟體工程轉向硬體工程的適配性，採用Phoenix-bench以實驗庫與可執行EDA測試比較多款商用與開源代理。結果顯示軟體代理在硬體維護任務上成效明顯下降，且錯誤多集中於有限狀態機與跨階層訊號流追蹤。測試回饋對定位修補影響甚大，提議未來代理須加強階層訊號追溯與測試導向互動能力
速報
GraphFlow：以流程圖為可執行規格 強化代理式人工智慧工作流程可靠性
背景：多步任務中小錯誤會迅速累積。GraphFlow將流程圖當作可執行規格，編譯時限定可重用圖形類別並產生合約（前置、後置、組合義務），執行時以追加式事件日誌記錄結果並支援重放與稽核。早期試點於三個臨床場域執行8728次，完成率97.08%。
深度分析
以邊際代幣價格統一路由、代理與訓練：代理式人工智慧的計價框架
研究主張代理式人工智慧應視為邊際代幣分配經濟。以路由、代理決策、服務端與訓練四層，共用條件：邊際效益＝邊際成本＋延遲成本＋風險成本。指出錯配風險並建議公開價格向量與風險調整以提升配置效率。並討論與現行扁平計價、RL投資組合與憑證委派等設計的比較與治理挑戰。
代理式人工智慧
代理式人工智慧在工程與製造的應用：效益、挑戰與未來路徑
本研究以 30 多場產業訪談為基礎，探討代理式人工智慧在工程與製造的落地情形。研究指出，短期 AI 可提升結構化、重複性工作效能，長期則在跨工具工作流協調上展現價值。採用受限於資料碎片化與安全法規，可靠度與驗證是關鍵需求，影響未來自動化的進程。
線材弧焊增材製造
代理式人工智慧提升 WAAM 即時缺陷偵測的效能與應用
研究針對線材弧焊增材製程即時缺陷監控提出新方法。利用加工訊號與聲學資料分別建構兩個 AI 代理，並以大型語言模型協調決策。實驗顯示多代理系統在 15 次測試中達 91.6% 正確率與 0.821 F1 分數，顯示其在即時品質控制上的潛力。