深度分析
COMPASS：結合 Expert Token τc 與 C‑MoE 的統一多模態構圖感知與生成框架
研究指出，現有統一多模態模型在構圖辨識與生成上表現不佳。作者提出 COMPASS，透過專家錨點 τc 與 C‑MoE 注入構圖知識，並以自監督結構瓶頸實現參考圖引導的版面控制。實驗顯示，該系統在構圖分類與生成一致性上顯著優於基線，提升了圖像生成的構圖忠實度。
COMPASS
深度分析
COMPASS：以POMDP建模的自適應提示工程，用於LLM任務規劃說明
COMPASS提出一套把提示工程形式化為認知與機率決策流程的自適應方法，採用部分可觀察馬可夫決策過程（POMDP）建模使用者潛在認知狀態（如注意力與理解），並將觀察到的互動回饋納入策略合成，動態生成或修正用於大型語言模型（LLM）的提示與說明。
深度分析
COMPASS：語義採樣與持續PEFT適配器提升多語言模型跨語轉移表現
COMPASS提出一套以資料為中心的多語言適配方法，結合參數高效微調（PEFT）與語義導向取樣，為目標語言訓練輕量語言專屬適配器。方法先用多語嵌入表示將訓練、輔助與評估資料聚類，量化群集間的分布落差，並優先從欠缺語義群集中抽樣輔助資料以補足訓練覆蓋。