速報
Code Bench 基準：評測大型語言模型的精簡程式生成能力
研究團隊推出 Code Bench 基準，針對 60 種程式語言評估大型語言模型（LLM）的精簡程式生成表現。基於 code.golf 平台的程式碼高爾夫競賽，提供即時新題目與人類表現基線，克服傳統基準固定題目與語言覆蓋限制。
速報
速報
TraceGraph：圖形化代理人軌跡分析框架揭示陷阱與修復機制
隨著代理人基準測試收集更豐富的互動軌跡，評估仍多以單一分數呈現。研究者推出 TraceGraph，將多模型軌跡轉換為共享決策圖，標示核心與陷阱區域，並以存取、陷阱暴露、修復三事件概括。實驗顯示此圖形可揭露分割間的差異，並在 SWE‑bench 中提升解決率至約 44%。
速報
段落級自適應裁剪 (SLAT) 提升大型推理模型的效率與準確度
大型推理模型在鏈式思考（CoT）上雖有突破，但常產生冗長的推理段落，導致計算資源浪費且未提升正確率。研究發現，低邊際效益的高機率段落是低效率的根源，於是提出 Segment-Level Adaptive Trimming（SLAT）框架，利用強化學習在正確度與長度的權衡下，選擇性壓縮冗餘段落。
速報
Asana收購StackAI：以無程式碼代理人強化人工智慧職場平台
Asana以七千五百萬美元收購工作流程自動化公司StackAI，強化其朝向以人工智慧為核心的職場平台轉型。StackAI專注無程式碼代理人，可在既有企業系統內運作，串接Salesforce、Slack與G Suite等資料來源，自動化跨系統複雜流程。
速報
Groq 以自研 AI 晶片轉攻推論雲，傳尋求 6.5 億美元募資
Groq在與Nvidia達成非併購協議後，改以自研AI晶片與系統為基礎，推動以推論為主的neocloud服務。該服務讓開發者與企業託管推論密集型應用，並尋求新一輪約6.5億美元募資以擴大營運。既有投資人被徵求跟進，Disruptive與Infinitium表示若其他投資人放棄將承擔該輪。
速報
政治一致性訓練（PCT）：減緩大型語言模型的隱蔽政治偏差
研究團隊發現大型語言模型在敏感政治議題上會出現系統性、非對稱的處理，將此現象命名為「隱蔽政治偏差」。為量化與抑制這類偏差，提出兩項衡量指標：情緒一致性（衡量回應語氣與框架的對稱性）與幫助度一致性（衡量回應深度與互動投入的對稱性）。基於這兩項指標，設計政治一致性訓練（PCT），採用兩種互補的強化學習範式分別優化情緒與幫助性的對稱表現。
速報
對抗模型蒸餾：Product-of-Experts (PoE) 的防禦與自適應評估
研究指出模型輸出在提升實用性與被模仿間存有權衡。作者提出一個師生最小極大對弈，並導出自適應評估與抑制重要輸出的教師端防禦。從代理價值估計衍生Product-of-Experts(PoE)前向防禦。實驗顯示在自適應評估下，被動防禦過度樂觀，強化蒸餾仍難阻擋。
速報
資料驅動最適控制（DDOC）：為自動駕駛動作規劃建立可信路線圖
自動駕駛的動作規劃存在可驗證安全與泛化能力的兩難。資料驅動最適控制（DDOC）融合最適控制理論與機器學習的自適應能力，提出定制化、動態適應、自我調整三大面向的實作路線圖，並指出未來四個研究方向以縮短實務差距，推動可信且類人化的自動駕駛落地。
速報
KOTOX：針對韓語混淆有害語句的去混淆與去毒化資料集
針對語言模型在網路環境遭遇刻意文字混淆的挑戰，研究團隊提出KOTOX，一個韓語去混淆與去毒化資料集。研究以語言學為基礎，分類韓語的黏著型詞形變化與Hangeul特有的正字變體，並從真實範例萃取轉換規則，生成有害與中性句對及其混淆版本。
速報
TelecomTS：為5G可觀測性時間序列打造的大規模基準
企業在監控系統時產生大量可觀測性時間序列資料。論文提出TelecomTS，來自5G電信網路，包含去匿名化共變量與絕對量級資訊。並提供異常檢測、根因分析與多模態問答等下游任務。測試顯示現有基礎模型面對突發噪聲與高變異時效力有限，保留量級資訊至關重要。
速報
Ubuntu與Canonical遭DDoS癱瘓：研究釋出可奪取root漏洞程式碼後發生
研究人員公開可讓未受信任使用者取得Linux系統root權限的攻擊程式碼。本次事件相關Ubuntu與Canonical網站遭受由Beam等壓力測試工具衍生的DDoS攻擊，導致多數官網與更新主機失聯。受影響服務包括下載與安全公告通路，使用者轉向鏡像站繼續取得更新。該攻擊同時干擾廠商正常通報與回應流程。調查仍在進行中。
速報
操作子層級基準揭露：訊息構建主導分子訊息傳遞神經網路表現
研究對分子訊息傳遞神經網路做操作子層級的因子基準，拆為訊息初始化、節點-邊融合與節點更新三類，測試84種配置與十個MoleculeNet資料集。結果顯示性能差異主要源於訊息構建，串接混合在回歸任務具優勢，代表性設定也在多數基準取得競爭成績。