速報
Auto‑Robotist：LLM 自我進化的機器人形態技能庫
大語言模型在機器人形態搜尋常無可重用記憶。Auto‑Robotist將搜尋軌跡蒐成自然語言技能庫，記錄結構原型、正負規則與評估案例；搜尋時檢索技能以引導模型編輯並保留遺傳演算法探索路徑。實驗在多項EvoGym任務顯示5×5冷啟動搜尋改善，且技能可遷移至10×10，參照式轉移優於純GA。
速報
速報
Alper：以標籤傳播重構髒亂實體解析
實體解析是從雜亂資料辨識相同實體的核心任務。Alper把比對和聚類合併為一個不斷演進的全域實體圖，透過標籤傳播同時修正結構與標記。它會將便宜但弱的圖傳播訊號與昂貴但強的LLM成對查詢交互整合，並在有限查詢預算下用貪婪演算法選擇訊號。實驗在多個基準資料集上顯示其整體表現優於階段式流水線。
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。
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。
速報
Intent Signal Theory：揭露 AI 提示背後的隱性意圖層
研究提出 Intent Signal Theory（IST），把用戶的潛在來源意圖視為 AI 互動中缺失的一層。IST 將四個常被混淆的對象明確分為潛在意圖 I*、可觀察意圖代理 Ĩ、載體 P 與模型輸出 O，並形式化維度權重、編碼遮罩與結構／忠實度回收分數。
速報
CISA在公開GitHub倉儲洩露明文密碼與SSH私鑰，AWS GovCloud權限遭濫用風險
資安研究指出美國CISA自2025年11月起在公開GitHub倉儲暴露大量明文密碼、SSH私鑰與存取憑證。第三方測試者證實可用這些憑證以高權限存取多個AWSGovCloud帳號，涉案倉儲已下線並由承包商管理。此一事故突顯機構內部管理與代管倉儲設定風險。
速報
追蹤Transformer深度的概念生成：概念配置區（CAZ）解析
研究提出「概念配置區（Concept Allocation Zone，CAZ）」，把概念看作在Transformer殘差流中跨層逐步形成的深度區間，而非僅找出單一最佳層的快照。作者以三項層級量測——分離度、概念一致性與概念速度——形式化CAZ，並衍生自動化邊界判定方法，避免人工掃層。
速報
人工智慧驅動的對抗優化侵蝕公開金鑰密碼學安全
研究顯示公開金鑰密碼學在面對由人工智慧主導的適應性對抗優化時，既有以算法為中心的安全模型與實際攻擊情境逐漸脫節。攻擊者更常利用實作層的可觀測性進行優化，而非直接破解密碼原語。論文分析這種模式對防護策略的影響，並提出調整方向。研究提醒業界需重新評估以演算法強度為主的威脅模型。
速報
代理人架構與上下文工程驅動的UML自動生成
背景：大型語言模型已被用來自動化程式碼文件化。本研究提出以代理人分工與上下文工程為核心的方法，透過五類專責代理人與一層按重要性決定性壓縮的中介表示，將大型專案IR壓縮成可供生成UML圖的視圖，並在多語言、多圖類實驗中展現高語法有效性與穩定品質。
速報
ArtSplat：首個即時化有關節物件3D Gaussian Splatting重建框架
稀疏視角下有關節物件重建需同時推斷幾何與關節結構。ArtSplat提出首個feed‑forward3DGaussianSplatting方法，採用每像素關節地圖與跨狀態注意力整合多個姿態影像，單次前向回推幾何與關節參數；在PartNet-Mobility上展現競爭性表現且速度超過四百倍。
速報
以神經網路驗證計算精確 SHAP：可證明的上下界演算法
背景：SHAP被視為對神經網路計算不可行，因為特徵組合呈指數級。方法：該研究運用最新神經網路驗證技術，逐步求得任意緊的SHAP下界與上界，最終還原精確值。結果：該法能處理遠大於既有精確方法的搜尋空間，並為大型特徵空間上的近似法提供量化檢驗基準。