深度分析
等價類正規化框架提升 AI 合規答案復用：取代傳統語意快取
本研究針對企業 AI 系統的答案復用問題，提出以受治理的商議等價類取代傳統相似度快取的新框架。透過三層等價關係與商議答案分割，確保答案復用在授權與版本控制下具數學嚴謹性。實驗顯示此方法在多輪指令遵循與代理行為任務上提升了跨域泛化與可審計性。此技術亦為未來 AI 合規平台提供基礎。
AI 合規
深度分析
PSALM 框架：量化大型語言模型風格相似性以符合歐盟版權實質相似標準
隨著大型語言模型產生的文字可能觸犯歐盟版權法，研究提出 PSALM 框架以評估風格相似性，透過十項評量量化敘事、角色、世界觀等維度，實驗顯示細部風格的侵用遠超文字逐字比對，且負向偏好優化可降低相似度。此結果顯示僅靠文字去重不足以確保合規，未來法規與模型開發將需納入風格檢測。
深度分析
「機器忘記」概念解析：資料刪除與行為抑制的技術與合規差異
隨著大型語言模型面臨刪除資料與安全需求，研究指出「機器忘記」一詞被濫用，應僅保留對明確忘記集合的再訓練等價刪除；其他政策導向的抑制行為需另行命名並以不同基準評估，否則基準偏向表層輸出控制，忽視訓練影響的真正移除。此混淆影響學術評比與產業合規，呼籲制定明確術語與參照模型。
深度分析
以最弱鏈規則驗證 AI 部署：六大篩選與三種沙箱原型比較
隨著AI系統在實體與網路環境中部署，研究提出以邊界、證據與假設門為核心的AI沙箱框架，定義六大評估篩選並示範三種原型（模擬、數位孿生、硬體在迴路），說明此方法可明確界定測試範圍與安全、資安與合規證據，對產業治理具重要影響並預測此框架將成為未來AI安全與法規合規的標準基礎。
深度分析
量化大型語言模型對法官判決影響：說服力實驗與合規考量
研究以大型語言模型作為法律決策輔助，測試模型在不同說服者下的判斷變化，使用四種說服者模型與開放/封閉權重模型比較，發現模型受說服者影響介於8%至21%之間，顯示大型開放模型較不易受說服，小型模型則更易受說服者影響，凸顯其說服性與偏誤風險問題。