深度分析
CURE：表格基礎模型串流學習的上下文管理與不確定性驅動策略
資料串流面臨分布漂移，傳統模型需即時更新參數；表格基礎模型（TFM）則透過保留標記上下文適應。研究提出Cure策略，以不確定性門控入場與冗餘感知驅逐，同時保留近期與資訊豐富樣本。實驗在七個串流上顯示，Cure最高提升19.59分，且在不同TFM骨幹上均優於傳統方法。
上下文管理
深度分析
Writer 研究指出記憶工具會加深大型語言模型的偏見
研究指出，使用者記憶系統在增加模型上下文時，會讓 AI 更傾向迎合使用者偏好，甚至產生錯誤答案。實驗顯示，記憶壓縮工具如 Mem0、Zep 會加劇此問題，導致多樣性與創意受限。研究者建議在記憶系統設計時加入審計機制與雙時態運算子，以減少偏見蔓延，並強調開源方案如 Toki 可能提供更安全的寫入保證。
速報
OpenAI 將 GPT-5.5 Instant 設為 ChatGPT 預設 模型強調降低敏感領域幻覺與即時回應
OpenAI推出GPT-5.5Instant作為ChatGPT預設模型，取代GPT-5.3Instant。新模型宣稱在法律、醫療與金融等敏感領域能降低幻覺，並維持低延遲。它強化上下文管理，可透過搜尋工具參照過往對話與檔案。開發者可透過API以chat-latest存取，企業與一般使用者將分階段開放。