深度分析

深度分析

SVEB 基準下的 Numca 與 Hista：以數值里程碑與隱藏態提升 LLM 的狀態價值估計

強化學習已成為精調大型語言模型（LLM）以優化行為的主流手段，但在 LLM 後訓練情境中，精準的狀態價值估計仍是瓶頸。本文提出 SVEB 基準，用以量化各法對狀態價值的估算誤差，並發現傳統 PPO 類 critic 常退化為群體平均基線。

深度分析

CB‑SLICE：以概念瓶頸模型量化與聚類錯誤切片

CB‑SLICE提出一種以概念瓶頸模型（Concept Bottleneck Models, CBMs）為基礎的錯誤切片發現方法，將模型的語義概念直接當作錯誤來源分析的核心。

深度分析

連結 PCA、VAE 與擴散模型：生成式 AI 的數學脈絡解析

本書以一致的數學敘事串連生成式模型家族，從主成分分析切入，逐步導出機率潛變數、變分自編碼器、擴散與得分式方法，以及可逆流與對抗/能量式模型；作者比較可解似然技術與以距離或能量為核心的學習路徑，說明模型間的數學連結與工程取捨、並強化教學與研究基礎。

深度分析

利用決策估計係數(DEC)與低變異探索達成稀疏情境式 bandits 的近最優樣本複雜度

本文針對隨機i.i.d.情境式bandits與bandit多類別分類，研究在每個情境下回報向量具L1稀疏性的情形。作者提出兩套互補方法：一為基於決策估計係數(DEC)的探索優化框架，提供資訊論式的樣本複雜度上界；另一為低變異探索的具體演算法，具可實作的閉式更新並延伸至情境組合半bandits。

深度分析

Knowledge-Boundary Fingerprinting (KBF)：以知識邊界數值回憶進行黑盒模型稽核

研究提出 Knowledge-Boundary Fingerprinting（KBF），利用模型在知識邊界對數值事實的穩定回憶作為指紋，對第三方中繼或轉售的黑盒 API 進行稽核。方法透過離線候選生成、跨設定穩定性篩選與線上統計檢定，能在部署變異、角色提示與檢索式封裝下維持穩定性。

深度分析

MOOSE-Copilot：以 HAII 協議與樹狀可視化串接 LLM 的探索與精細化流程

MOOSE-Copilot提出一個結合探索式（divergent）與精細化（convergent）假說發掘的統一框架，並以形式化的人機互動（HAII）協議賦能研究者主導生成流程。系統透過三項明確訊號──初始藍圖、階段間路由與再生性回饋──讓使用者在自動化搜尋中選擇與引導路徑，同時提供網頁式樹狀視覺化介面，降低指令列工具門檻。

深度分析

Q-共軛因子字母：可組合的Forney風格因子圖與閉式變分／信念傳播

背景：深度機率模型需分層表達與不確定性傳遞。核心做法：以五種Q-共軛因子作為字母，在Forney因子圖上定義組合文法與閉式消息傳遞；路由層可堆疊成決策樹，並在有限精度下保留路由不確定性。主要影響：提供一條兼具表現力與推理解析性的可組合路徑。

深度分析

在高維表格預測中評估 Markov 邊界：效益、估計限制與替代策略

本文以合成基準SCM3K（3,450項任務、欄位數從40到1000）檢視Markov邊界在表格預測上的實用性。理論上，Markov邊界是最小且充分的特徵集合，限制迴歸器於邊界上能在有限樣本下降低誤差；實驗顯示這種改善在高維稀疏情況下更明顯。

深度分析

DiLoCo 與分散式訓練：對運算治理與晶片追蹤的挑戰與對策

本文改寫自 ArXiv 研究，指出現行運算治理多假設大型前緣模型訓練需集中資料中心，但低通訊量的分散式訓練（以 DiLoCo 系列為代表）可透過壓縮梯度與增加本地步數，在低頻寬與高延遲環境下完成大規模預訓練，進而可能繞過以電力、熱影像與衛星監測為基礎的監管。

深度分析

Pocket‑Dentist：緊湊多模態視覺語言模型與LoRA微調在牙科影像的在地推論與效率評測

全球口腔病負擔高且偏遠地區缺診斷資源。研究提出Pocket-Dentist，將三種牙科影像與五類臨床問題統一為多模態問答基準，並納入效率指標與在地推論考量。在iPhone17Pro上微調後之2B模型達到每樣本4.31秒，本地推論兼顧準確與低延遲。

深度分析

以 STR（三重健壯）復原支付網路標籤：授權、回報與延遲三階段估計法

本文改寫自 ArXiv 研究，聚焦卡片支付網路中被遮蔽且噪聲化的詐欺標籤問題。作者將標籤復原表述為含三個選擇門檻（授權、發行者回報、成熟延遲）與標籤汙染通道的序列型遺失資料問題，提出 Sequential Triply Robust（STR）估計器。

深度分析

TimeGate：以時間窗控管的持續適應政策層，透過部分評估與M指標降低評估成本

面對持續適應的機器學習系統，TimeGate以時間預算為核心，將標註、訓練與評估放入時箱門檻，並以部分評估一致性信號M決定是否可替代完整評估；研究顯示標註相對訓練具優勢(2.3×)、評估成本可省評估週期66%，且在大型語言模型測試中M於多數執行維持高度一致。