深度分析
CaB：利用 Boundary‑Phase Tokens 提升視覺語言動作代理的切換與控制
VLA代理在短指令序列切換時易出錯，研究提出Completion at the Boundary（CaB）模型，利用Before/Hit/After三階段標記形成雙向BPT後驗分布，同時提供when切換介面與how控制條件。Minecraft測試顯示CaB提升複合任務成功率與交接品質。
深度分析
深度分析
C5 互動模型應用於生成式 AI 主動偵測與生命周期評估
隨著生成式人工智慧大量產出對抗性合成內容，傳統被動偵測已跟不上速度。研究提出以C5互動模型為基礎的生命周期主動偵測方法，涵蓋情境監控、協調行為偵測與異常偵測等技術。結果顯示此框架可在敘事萌芽階段提前介入，提升資訊生態的韌性。並評估多層圖協調偵測與代理式AI系統。
深度分析
結合音訊、歌詞嵌入與大型語言模型的多模態音樂推薦框架
本研究針對音樂串流的序列推薦問題，打造結合音訊、歌詞嵌入與LLM生成語意標註的多模態框架，並加入聆聽完成率作為行為信號。實驗在LastFM-1K資料集顯示，融合內容特徵後Recall提升至95%、NDCG提升至79%，同時指出簡單融合未必帶來加成，跨模態對齊仍具挑戰。
深度分析
實體 AI 運行時護欄：從理論到實務的沉默失敗與授權框架
隨著實體AI模型直接產出行動，傳統安全機制不足以防止沉默失敗。研究提出運行時授權護欄，從語意、狀態、可行性、時效與操作等七面檢驗，展示新框架對機器人與自駕安全的必要性。此框架將模型信心、感測不確定性與操作限制結合，形成完整的授權事件，避免硬體執行前的隱性錯誤。
深度分析
動態可行性門檻驗證：針對機器人世界模型的物理 AI 輸出安全檢測
在物理AI系統中，預測模型常提供下一狀態或動作序列，但其提案未必符合機器的實體限制。研究提出一套實體可行性門檻，透過可達性、動態一致性檢測，能在執行前即剔除不可行的提案，提升效能。實驗在LeRobotPushT資料集上測得AUC高達0.98，證明門檻能有效辨識動態違規。
深度分析
Snowflake 推出 Horizon Context 與 Cortex Sense：打造企業 AI 代理人可治理語意層
企業AI代理人因語意層缺失導致同一資料產出不同答案。Snowflake於Summit推出HorizonContext與CortexSense雙層語意治理，將資料定義統一於目錄層，提升答案可追溯性與正確率。此舉被視為下一波AI生產關鍵。並引發業界對開放語意標準的討論。
深度分析
利用特質向量追蹤 AI 代理人行為：Skill 檔案差異與風險評分
隨著 AI 代理人依賴 skill、memory 與行為設定檔執行任務，這些文字檔的變化直接影響未來行為。研究提出以文字嵌入空間方向量化特質，透過對「前後」檔案差異訓練線性模型，將特質向量投射至差異向量以評分。實驗在 68 組資料搜尋特質的檔案差異上取得 91.2% 正負分類正確率與 0.82 的 Spearman 相關，並示範可於代理人間安全評估更新。
深度分析
Iteris 代理式 AI 系統：以 explore‑plan‑execute 流程突破計算數學開放問題
計算數學的開放問題長期需要結合數值實驗與證明構造。研究團隊推出 Iteris 代理式研究系統，以 explore‑plan‑execute 迴路自動生成數據、構造與證明草稿，經專家修正後得到兩項新結果：CG 與隨機座標下降在冪律譜上的相位圖，以及 QR 分解在低相干情況下的反例。此案例顯示 AI 能在數學工作流中提供實質助力，但仍需人工驗證。
深度分析
OpenEvolve 以 LLM 驅動的張量網路收縮順序優化實驗分析
本研究以OpenEvolve探討LLM輔助的張量網路收縮順序最佳化，使用開源LLM生成程式變異並以驗證指標驅動演化。實驗顯示模型選擇與測試資料、評估指標皆顯著影響結果，並提出未來AI演算法搜尋對科研流程與軟體工程的潛在衝擊。與AlphaEvolve比較，OpenEvolve更彈性。
深度分析
InKH 架構降低延遲與代幣負載，強化金融 AI 代理的記憶管理
本研究聚焦金融AI工作流程的認知瓶頸，提出互動原生知識繫結（InKH）架構，結合事件串流、受控工作緩衝與時間圖譜，並以Wiki審核層面治理。實驗顯示InKH在品質、延遲與陳舊記憶使用上皆優於傳統記憶基線，提升決策可追溯性。此設計為金融AI採用提供可持續認知與審計安全的路徑。
深度分析
WorldCoder-Bench：首個以 Three.js 為基礎的可執行 3D 網頁世界基準測試
隨著大型語言模型可直接產生可執行的Three.js3D網頁，WorldCoder‑Bench提出2,026項實體任務並以StateProbe透過隱藏行為合約驗證程式正確性，實驗顯示最佳模型驗證覆蓋僅27.8%，突顯目前生成系統在物理與狀態同步上的不足。
深度分析
OctoT2I：自演化機制與狀態化多輪路由的多模型文字生成影像系統
隨著文字生成影像模型數量激增，單一模型的效能提升趨緩，研究提出 OctoT2I 以自演化機制自主建立工具知識庫，透過多輪路由選擇最適模型，實現與基準相比 90% 推論加速與 56% 能源效益提升。此機制透過提案‑解決‑評估‑學習循環，自主探索工具能力邊界，兼顧生成品質與推論成本，為多模型協同奠定基礎。