深度分析
TacReasoner：結合動態觸覺編碼與 Chain‑of‑Thought 推理的 7B 機器人模型
觸覺是人類基本感官，TacReasoner提出動態感知編碼器與首個觸覺思考鏈資料集TouchCoT-10k，並建構DynTac-Bench評測。實驗顯示7B模型在多項測試上超越14BVTV-LLM，證明其在真實環境觸覺推理的效能與效率與可擴展性。
深度分析
觸覺是人類基本感官，TacReasoner提出動態感知編碼器與首個觸覺思考鏈資料集TouchCoT-10k，並建構DynTac-Bench評測。實驗顯示7B模型在多項測試上超越14BVTV-LLM，證明其在真實環境觸覺推理的效能與效率與可擴展性。
深度分析
隨著線上新聞快速更新，時間線摘要面臨內容幻覺問題。研究提出NTS‑CoT，以Element‑CoT抽取關鍵要素、日期選擇與Causal‑CoT推理，顯著降低不實與遺漏。在AR‑1、AR‑2與Date‑F1指標上分別提升23.4%、33.4%與10.0%，且有人類評測中67.74%偏好其忠實度、54.38%偏好完整度。