深度分析
離散擴散語言模型結合凍結 Whisper 與投影層：8 步平行解碼達成 6.6% WER
傳統自回歸語音辨識受限於逐字解碼，研究以離散擴散語言模型直接聽懂音訊，凍結 Whisper 編碼器並加入投影層與低秩適配器，僅訓練 42M 參數即可在約八步平行去噪下完成轉錄，LibriSpeech clean 測得 6.6% 字錯率，顯示擴散解碼可脫離文字長度限制並提升效能。
深度分析
深度分析
LLM 計畫評分的刪除非單調性與型別狀態門檻：沉默取勝機制分析
研究指出，LLM生成的策略評分器在刪除中間環節後仍保留終值，會因沉默而提升分數。作者提出刪除獎勵公式，驗證在26條路徑中多數可透過沉默提升分數，並以型別狀態門檻阻止此類漏洞。此機制顯示評分系統若未檢測隱蔽刪除，可能誤導投資決策，呼籲加入型別覆蓋門檻以提升可靠性。
深度分析
利用 CDL 與 SDF 渲染的 FormalAnalyticGeo 框架自動生成高品質解析幾何題目
研究針對解析幾何資料稀缺，提出 FormalAnalyticGeo 框架，結合 CDL 形式語言與 SDF 渲染自動產生多模問題，並以品質驗證器閉環檢查，使誤差降至 0.7%，生成超過 7,000 題資料集。此技術比傳統模板或純生成模型在幾何精度與驗證上更具優勢，同時提供開放原始碼與可擴充的工具鏈，促進研究社群與產業合作。
深度分析
「Elenchos」框架：評估大型語言模型逆向推理與變異辨識能力
隨著大型語言模型在前向推理表現卓越，逆向推理能力仍未明朗。研究團隊推出Elenchos框架，透過變形λ演算檢測模型能否辨識與歸因規則變更。結果顯示模型多能偵測異常，卻常無法正確定位變異，顯示抽象因果推理仍是瓶頸。此發現對未來AI安全與可解釋性研究具有重要啟示。
深度分析
「Light-MER」輕量化多模態情感語言模型：SWD‑H 隱層對齊與 M‑GRPO 多獎勵優化實證
隨著多模態大型語言模型推動情感辨識與敘事生成，模型規模卻成部署瓶頸。研究提出 Light-MER，利用知識蒸餾、Sliced Wasserstein 隱層對齊與多獎勵 GRPO，將 8B 教師模型能力壓縮至 854M 參數。實驗證明 Light-MER 平均分數超過教師，顯示小模型亦能提供高品質情感理解與生成。
深度分析
「貝式準確度」：消除大型語言模型多選題長度偏差的 Bayesian 評分方案
多選題評估常因答案長度造成分數偏差，傳統使用未正規化或長度正規化皆有缺陷。研究發現標準分數偏好較短答案，正規化則過度偏好較長答案。本文提出貝式準確度，以答案長度先驗建模消除線性長度影響，無需額外前向傳播，即作即插即用的評估方式。實驗顯示在多項基準與少樣本設定下，偏差明顯降低。
深度分析
「原子單元」與壓縮演算：提升大型語言模型的概念層知識表示
本研究提出以原子單元作為智慧壓縮層的理論框架，主張透過可重用的概念性原始結構壓縮資訊。該框架引入壓縮演算，量化表層與原子表示的差異，並提出複合級聯假說，說明抽象層級的壓縮效益會呈乘法增長。實驗顯示，以五欄位原子表示取代自然語句可減少近半的詞彙數，顯示此方法在提升效能與可解釋性上具潛力。
深度分析
ASOC 宣言：以委派合約與代理鞘實現可治理的 LLM 代理服務
隨著大型語言模型驅動的自主代理快速崛起，服務導向運算社群提出代理式服務導向運算（ASOC），主張將代理視為可組合、可治理的服務，提出六大工程原則與五面向研究藍圖，並比較現有LangGraph、CrewAI等框架與傳統微服務的差異，預期提升企業與社會部署的可信度與可觀測性。
深度分析
NameRank：大型語言模型對人物與工具辨識能力的量化分析
研究說明大型語言模型在未使用檢索前對人物或工具的記憶程度，提出NameRank作為辨識分數，透過36模型的開放式提問與人工判斷，僅在回應包含可驗證的非猜測事實時給予正向。結果顯示，具名的實體或方法遠勝於僅有學術或獎項稱號，傳統引用指標無法預測此表現，未來將影響模型評估與資訊檢索策略。
深度分析
Mechanistic World Models：將 AI 從預測工具轉化為自主科學發現引擎
當前 AI 雖能精準預測蛋白質結構或天氣，但仍缺乏對底層邏輯的解釋能力。研究提出 Mechanistic World Models (MWMs) 框架，將學習核心從預測觀察轉向建模可重複使用的機制。透過變數、機制與結構的共同發現，讓 AI 能提取不變的結構化抽象。此範式有望讓 AI 從單純的預測工具進化為能自主進行科學發現的洞察引擎。
深度分析
AI Agent 評估成本困境：解析 LLM Agent 基準測試的「足夠樣本」問題
AI Agent 評估成本高昂，開發者常嘗試使用部分樣本進行測試。本研究透過回溯分析 SWE-bench 等公開基準測試記錄，探討部分運行能否支持與完整測試相同的兩兩比較決策。結果顯示，足夠的樣本比例隨基準測試而異，部分案例甚至在 95% 樣本下仍不可靠。研究指出部分評估需嚴格定義改善門檻、覆蓋規則及決策邏輯，才能有效降低成本而不影響結論。
深度分析
4B 小模型也能做深層研究？揭秘 On-Device AI 引用忠實度的「暴露量」關鍵
針對在個人裝置部署 4B 規模 AI 研究代理人的挑戰，本研究探討如何提升其引用忠實度。研究將引用品質拆分為忠實度與可信覆蓋率，透過調整單一來源的字數暴露量與檢索品質進行對比實驗。結果顯示增加暴露量可顯著提升忠實度且成本極低，而覆蓋率則由檢索召回率決定。這為邊緣 AI 實現可靠的文獻研究提供了低成本的優化路徑。