深度分析

深度分析

SpatialBench-Long：評估AI代理人於空間生物學長程推理與程序性量測的限制

本研究以實際空間生物量測為起點建立24項長程評估任務探討AI代理人對科學結論的重建能力任務涵蓋空間轉錄組織形態與血緣追蹤等多模態資料採用可驗證二元評分並結合軌跡式阻塞點診斷在15組模型與介面共1080條路徑中結果顯示通過率低但出現零星成功揭示程序性量測與跨模態整合的侷限

深度分析

場景級電影評估框架 MTAVG-Bench 2.0：多模態失敗診斷與時序定位

近年多角色音視訊生成在唇語同步與視聽對齊已有進展。本研究提出MTAVG-Bench2.0，聚焦短劇場景，建立橫跨表演、氛圍與攝影的高階失敗分類，構建逾一萬條問答評估實例以診斷電影級表現缺陷。實驗發現頂級商用通用模型整體表現領先，卻仍難處理複雜角色表演與跨鏡頭敘事問題。

深度分析

k-NAF（per-token KL）預算會計於 Anchored Decoding：實證稽核與影響評估

本研究實證稽核Anchored Decoding的k-NAF預算會計，採固定分層工作負載與自適應提示搜尋。以經驗貝葉斯上界做代理指標，量測序列級KL消耗並檢驗表面重疊。固定負載下平均支出顯著低於序列預算，自適應搜尋提高代理比但未見明顯預算耗盡。

深度分析

STAB：規格驅動演算法瓶頸測試框架—CP-SAT、K 最近鄰與大型語言模型整合

研究提出STAB框架，僅憑自然語言題目規格即生成揭露演算法瓶頸的測試資料，先以規則與CP‑SAT求得最大合法尺寸，再從13種對抗情境匹配構造原則，由大型語言模型產生Python測資生成器，於CodeContests提升測資暴露率至70%以上，顯示規格導向測試的效能與可擴展性。

深度分析

AIBuildAI-2：以分層、可演化知識庫驅動的自動化模型構建代理

AIBuildAI-2提出一種以分層且可持續更新的外部知識系統來強化自動化AI模型構建代理。系統以約30個高階類別（L1）配對約1,000份實務文件（L2），採動態載入相關知識以節省上下文空間，並在每次執行後將結構化經驗回寫知識庫以自我成長。

深度分析

TCP‑MCP：提示與通訊拓撲共演的多代理系統耦合優化框架

TCP‑MCP 提出將代理提示（prompts）與通訊拓撲視為聯合基因體，同時演化以設計多代理系統。研究以初始化景觀探針校準早期搜尋，並以帕累托前緣診斷在任務效能、Token 成本與結構複雜度三目標間自適應探索。

深度分析

Hyperparam：在瀏覽器與代理人沙箱以 JavaScript 直接查詢 Parquet 與 Iceberg

研究指出非結構化文字已成生產環境增長最快的資料類型，提出在瀏覽器與代理人沙箱直接查詢 Parquet/Iceberg 的 JavaScript 引擎與庫，透過逐欄延遲解碼與非同步 UDF，將昂貴模型推理延後執行，顯著降低冷啟動與推理成本，並改善查詢互動延遲與模型計費。

深度分析

參數化具身代理 PEAM：用 LoRA 與 Qwen3‑VL‑8B‑Instruct 提升 Minecraft 長程任務表現

隨著大型語言模型在具身代理中的應用普遍，記憶仍多為外部檢索。研究提出PEAM框架，將成功與修正的操作軌跡內化為參數化適配器，並以失敗為訓練訊號。此設計透過每類別獨立的LoRA適配器避免跨技能遺忘，且以自觸發機制在失敗統計達標時自動內化，免除手動門檻，提升了代理的實時反應速度。

深度分析

動態規範推理與可推翻演算：將規範納入代理規劃的守門條件

研究指出，AI與人互動時要既懂人類規範又能在規劃中遵守。本文提出一個處理動態規範衝突的可推翻演算，從自然語言的規範證詞推論個別的規範信念，並將推論結果作為規劃的守門條件。理論證明一致性並以SocialBot對話實驗驗證其在隱私情境的應用價值。

深度分析

發現型代理：以 Apache Kafka、Apache Flink 與大型語言模型實作即時主動洞察

在即時串流環境中，傳統查詢驅動分析難以主動發現現象。本研究提出以多代理與類型化中介件合約驅動的發現代理，結合Kafka、Flink與大型語言模型，自動生成假說、編譯可執行分析、驗證並部署視覺化應用。結果展示從被動查詢轉向持續自動發現，可提升可觀測性與部署安全性。

深度分析

DynaSchedBench：以SESC與SSI校準的動態排程基準與LLM可觀測性悖論

DynaSchedBench提出一套針對動態彈性工作車間排程（DFJSP）的可校準基準框架，核心是以序列事件空間校準器（SESC）取代參數採樣，並引入排程壓力指數（SSI）來系統化分層難度。此框架整合模組化的生成、離散事件模擬、快照式環境、代理介面與評估工具，支援即時反應與前瞻規劃策略的嚴謹測試。

深度分析

伊利諾州通過SB315：對人工智慧實驗室實施第三方安全稽核

伊利諾州議會通過SB315，要求像OpenAI、Anthropic與Google DeepMind等前沿人工智慧實驗室接受第三方安全稽核；州長表態將簽署。若成為法律，這項規範會是美國對大型AI公司的首要獨立監督機制，不再只由公司自評。法案授權獨立稽核機構（包括大型會計師事務所或較小的評估聯盟）驗證實驗室是否落實自身安全標準。