速報
IPO Finance Agent：結合長文件檢索的金融模型新基準
Finance Agent v2 只適用於 SEC 定期報告，處理 IPO S‑1 文件時因篇幅過長失效。研究者以上下文檢索與自動評分管線擴充模型，推出 IPO Finance Agent，並以 Qwen 3.7 Max 取得 79.4% 準確率，成本僅 0.30 美元，顯著優於既有基準。
速報
速報
ReCARE：保護共現概念的穩健去除技術
研究提出 CARE（Co-occurring Associated REtained concepts）概念，針對擴散模型的去除（unlearning）任務，避免同時刪除無害的共現概念。作者設計 CARE 分數作為衡量指標，並開發 ReCARE 框架，能自動構建包含目標圖像中良性共現詞彙的 CARE 集，在訓練過程中保護這些概念。
速報
自我產生文字辨識微調防止大型語言模型新興錯位（EM）
研究探討新興錯位（EM）與模型角色失衡的關聯，提出以自我產生文字辨識（SGTR）為核心的微調方法，作為針對角色的防禦手段。實驗在 GPT-4.1、Qwen2.5-32B-Instruct 與 Seed-OSS-36B-Instruct 三款大型語言模型上，使用多套 EM 資料集，與正向微調基線（領域資料、通用知識、詞彙計數）比較。
速報
多目標預訓練與提示微調提升編碼器‑解碼器模型效能
本研究探討在自然語言處理中，將多種預訓練目標同時應用於編碼器‑解碼器模型，對生成與問答任務的影響。作者提出「Match Task to Objective (MTO)」框架，能自動匹配任務與最適目標，並在預訓練與微調階段使用相符的模板。實驗顯示，在少樣本設定下，該方法相較傳統基線提升逾120%，在全資料集上亦保持領先。
速報
BluTrain：全新 C++ 深度學習訓練框架提升效能與記憶體效率
深度學習大規模訓練的瓶頸在系統實作。BluTrain 以純 C++/CUDA 建構原生張量與自動微分模組，並加入分散執行與 MLIR 編譯器。實測在 8 顆 RTX 6000 Ada GPU 上，吞吐量 407K token/s、記憶體減少 22%，驗證損失略低於 PyTorch，顯示效能與資源利用雙贏。
速報
MENTOR：彈性獎勵結構提升小型語言模型工具使用能力
將大型語言模型的工具使用能力濃縮至小型模型是落地應用的關鍵。傳統的監督微調因過度對齊教師軌跡，導致跨領域表現不佳；而強化學習在模型容量受限時，稀疏回饋或嚴格軌跡匹配都會出現困境。研究提出 MENTOR，採用彈性且具流程感知的獎勵機制，以教師參考而非嚴格複製指導模型行為，兼顧行為對齊與下游效能。
速報
新框架利用分佈式魯棒最佳化加強 AI 代理人安全政策驗證
在數位環境日益複雜的情境下，確保 AI 代理人的安全已成為迫切需求。傳統的執行時監控多以 Datalog 形式的確定性政策為基礎，無法處理具備失敗機率的模糊判斷或狀態轉換。研究團隊提出一套基於分佈式魯棒最佳化的驗證框架，能在不假設預測子獨立性的前提下，計算政策違規機率的上界。
速報
FreeStyle：利用社群 LoRA 建構大規模雙參考圖像生成框架
Style‑content 雙參考生成旨在同時保留內容語意與套用風格，然而缺乏大量內容‑風格分離且涵蓋長尾風格的三元組資料，使得模型在內容忠實、風格對齊與指令遵循間難以取得平衡。研究提出 FreeStyle，透過社群 LoRA 挖掘作為風格與內容的組合錨點，建立嚴謹的生成與過濾流程，產出跨多模型的大規模風格參考與內容參考三元組。
速報
全新框架解析多代理系統的力量與回應函數
本研究提出一套通用框架，用以分析多代理系統中代理行動與集體觀測之間的回饋迴路。核心以「力量」與「回應函數」兩個代理層級變數為基礎，推導出包括總力量、有效力量、熵、秩序、脆弱度與流動性等宏觀特性。研究進一步引入風險偏好係數的系統效用函數，探討成長與韌性之間的平衡，指出過度同步雖能提升產出，卻可能增加系統脆弱性並降低流動性。
速報
大型語言模型揭示自動作文評分的內在結構
近期大型語言模型（LLM）在自動作文評分（AES）領域取得突破，但其內部運作仍不明朗。研究者系統性分析了八種 LLM 在兩個英語作文資料集（ASAP++、CSEE）與一個葡萄牙語資料集（ENEM）上的隱藏表示，使用線性探測、跨提示泛化、維度縮減與神經元層級分析。
速報
新評估指標「Rule Violation Score」量測模型邏輯一致性
目前機器學習模型大多以預測精度作為唯一評估標準，卻忽略了模型輸出是否遵守既定的邏輯或領域規則。研究團隊提出 Rule Violation Score（RVS）作為補充指標，能獨立於預測準確度量測模型對硬性規則與軟性規則的遵守程度。
速報
企業級 AI 多代理系統：DAG 計畫與 ReAct 的規模效能比較
企業 AI 需要持續監控與自動化。研究比較 DAG Plan and Execute 與 ReAct 兩種多代理架構，測試 208 個情境跨小至全企業規模。結果顯示規模是主要瓶頸，DAG 在小規模精度高，ReAct 更具彈性；任務管理器可大幅降低延遲並提升事件正確率。