深度分析
Nvidia 發表 RTX Spark 超級晶片，推動桌面 AI 計算與圖形整合
Nvidia於台北電腦展推出RTX Spark超級晶片，具1petaflop計算力，支援AI代理與本地大模型。多家PC代工將於秋季推出搭載此晶片的Windows電腦，並內建與微軟共同開發的安全沙盒。此舉預示AIPC市場可能快速成長，同時挑戰傳統GPU為主的AI生態。
深度分析
深度分析
PaddleOCR 3.5 整合 Transformers 後端，提升文件 AI 工作流彈性
PaddleOCR3.5讓OCR與文件解析可直接使用HuggingFaceTransformers後端。只要把engine設為transformers，即可在PyTorch生態中呼叫PP‑OCRv5、PaddleOCR‑VL1.5等模型。此舉降低文件到LLM流程的整合摩擦，提升開發效率。
深度分析
AI 代理核心概念：模型、Scaffold、Harness 與 Agent 完整解析
隨著AI代理快速發展，術語混用成為新手障礙。本文釐清模型、Scaffold、Harness、Agent等概念，說明它們在訓練與推論中的角色與差異，並指出統一詞彙有助於跨框架合作與降低開發成本，此術語統整將促進工具生態互通，並降低因實作差異產生的維護負擔。
深度分析
NVIDIA 推出 Cosmos 3：首個整合生成、物理推理與行動的全能 Omni‑Model
NVIDIA 在 2026 年推出首個開放式全能物理 AI 模型 Cosmos 3，採用 Mixture‑of‑Transformers 架構，支援文字、影像、影片與動作多模態，提供 Nano 與 Super 兩種規模。模型可直接生成符合物理規則的合成影片，並搭配多套合成資料集，助於機器人與自駕等應用。此舉結合先前 Orin 衛星在軌運算實驗，顯示全域模型在即時資料處理與太空計算的潛力。
深度分析
Mellum2：JetBrains 12B 參數 Mixture‑of‑Experts 模型，提升文字與程式碼推論速度
JetBrains 於 2026 年 6 月發表 Mellum2，這是一款 12 億參數的 Mixture-of-Experts（MoE）模型，專為文字與程式碼工作負載設計。模型在每個 token 只激活約 2.5 億參數，實現超過同規模開源模型兩倍的推理速度，適用於路由、RAG、子代理與私有部署等高頻 AI 任務。
深度分析
Instagram 多帳號被劫持：Meta AI 客服機器人缺乏多因素驗證漏洞解析
Meta推出AI客服聊天機器人被駭客利用，指令更換目標帳號電郵並重設密碼，駭客甚至使用VPN偽裝位置攻擊單字母或單詞帳號，導致名人、官方與安全研究員帳號被盜。該漏洞於2026年6月被發現，與奧巴馬白宮帳號被入侵時間相近。Meta已緊急修補漏洞並加強受影響帳號安全。
深度分析
Google Gemini Spark AI 代理人功能解析與成本隱私挑戰
Google於I/O 2026推出Gemini Spark AI 代理人，可在背景自動完成多步驟任務，如撰寫郵件與建立行事曆。測試顯示其能自行搜尋資料並產出草稿，但仍需使用者逐項驗證。高達每月百美元的訂閱費與資料隱私疑慮，使其實用性受限。此外，若未開啟個人智慧功能，Spark的表現會大幅退化。
深度分析
「Prologue」前置代碼分離自回歸影像生成：降低重建‑生成落差的實驗分析
研究指出，自回歸影像生成在重建與生成間有落差，提出僅用AR損失訓練的前置代碼Prologue，將生成代碼前置於視覺代碼，成功降低gFID逾四成且保留重建品質，展示以獨立生成表示提升AR效能的新方向。在ImageNet 256×256測試中，Prologue‑Base將gFID從21.01降至10.75。
深度分析
AxonAD：以注意力查詢可預測性提升多變量時間序列異常偵測效能
本研究聚焦於車載多變量時間序列的協調異常，提出 AxonAD 以注意力查詢的短期可預測性作為偵測依據，結合重建誤差與尾部查詢偏差得分。查詢不匹配得分能捕捉跨通道協調斷裂，即使各通道幅度正常，也提供額外訊號；相較於 LSTMAD、SISVAE 等模型，AxonAD 在 AUC‑PR、Event‑F1 與 Range‑F1 等閾值自由指標上均領先。
深度分析
Clean-PR：以 Pull Request 訓練訊號提升大型語言模型的倉庫層級程式碼編輯能力
研究聚焦於如何將真實 GitHub Pull Request 轉換為可驗證的搜尋/取代編輯訊號，提出 Clean-PR 中介訓練流程，並以 Search/Replace 區塊取代傳統 Diff。實驗顯示，於 SWE‑bench Lite 與 Verified 上分別提升 13.6% 與 12.3%，證明模型可在無代理架構下內化倉庫編輯能力。
深度分析
Transformation‑Inverting Energy Diffusion (TIED)：利用李代數擴散抽樣恢復未知變換提升模型魯棒性
本研究針對在一般李群上出現的未知資料變換反轉問題，提出轉換反轉能量擴散（TIED）方法。透過在李代數上進行的擴散抽樣，保持所有更新於流形上，並以能量函數建模變換後驗後分布。實驗以影像同倫與偏微分方程對稱性為測試場景，證明 TIED 能在測試時將變換後的輸入恢復至訓練分布，提升預訓練網路的準確度與穩定性，超越傳統正規化與抽樣基線。
深度分析
MaskCaptioner：結合 OVFormer 與 Gemini 2.0 Flash VLM 的密集影片物件標註新框架
研究提出MaskCaptioner，利用先進視覺語言模型自動產生影片中每個物件的遮罩與文字敘述，並以LVISCap與LV‑VISCap兩套合成資料集進行端到端訓練，於VidSTG、VLN與BenSMOT三大基準創下最新成績，顯示合成標註可提升密集影片敘述效能。