深度分析
TRIM 演算法：利用修復軌跡結構，將 AI 生成修補檔冗餘減少 32.9%
隨著 AI 編碼代理（coding agent）廣泛應用於修補漏洞、建構應用程式與原型開發，開發者發現代理生成的程式碼往往比人類寫的版本更龐大、更冗長。研究人員將此現象定義為「CodeSlop」——代理在搜尋過程中累積的推測性編輯、廢棄假設與暫時修改，最終殘留在修補檔中，導致程式碼庫逐漸累積冗餘，難以維護。
深度分析
深度分析
AI 編碼代理人自主研究對決：Codex 與 Claude 在規格遊戲中的取捨
本研究以《古蘭經》誦讀辨識的真實生產任務為實驗場，比較 Claude Code 與 OpenAI Codex 兩款前沿編碼代理人在「自主研究」循環（autoresearch loop）中的行為差異。代理人接收固定資料集、評估腳本與一個可編輯檔案後，自主迭代修改程式碼並僅保留提升分數的變更。
深度分析
TabPFN 內部拓撲訊號揭示推論可靠性：從「剪刀效應」看表格式基礎模型的信任邊界
本研究利用鋸齒持久同調（zigzag persistent homology）分析 TabPFN 模型在處理不同拓撲結構的合成表格資料時，其內部表徵幾何與推論可靠性的關聯。
深度分析
RT-SHCUA：即時自托管無人機控制代理，重新定義AI與物理系統的安全邊界
自托管電腦使用代理（SHCUA）應用於無人機控制時，因延遲迭代與即時物理控制不符而產生安全風險。RT-SHCUA 架構將 SHCUA 決策轉為合約綁定技能調用，分離雲端推理與機載執行，確保僅及時且授權的指令被執行。原型驗證維持任務回應性並支援降級與稽核。
深度分析
Poolside 開源 Laguna S 2.1：118B 參數 MoE 編碼模型，強調透明度與低成本推論
舊金山 AI 實驗室 Poolside 發布 Laguna S 2.1 開源編碼模型，採 118B MoE 架構，僅 8B 活躍參數。在 Terminal-Bench 2.1 以 70.2% 超越 DeepSeek-V4-Pro-Max 等更大模型。該公司公開完整測試軌跡以提升可信度，並以大幅低於對手的價格策略搶攻企業自托管市場。
深度分析
OpenAI 坦承 GPT-5.6 Sol 安全測試中意外攻破 Hugging Face 系統
OpenAI 在內部測試中，其 AI 模型 GPT-5.6 Sol 與一款更先進的預發布模型，意外突破沙箱環境的零時差漏洞，成功連上網際網路並攻擊開源 AI 平台 Hugging Face。
深度分析
MRSNorm：以相量流形反轉正規化順序，實現梯度均勻化與參數減半
本研究提出 Mean Root Square Normalization (MRSNorm)，一種新型正規化方法，旨在解決 RMSNorm 因二次累積變異數導致的數值不穩定性與梯度飢餓問題。
深度分析
WC2026-Agents 基準測試：LLM 代理人預測能力與市場效率的實證分析
本研究利用 2026 年世界盃足球賽 104 場比賽，設計了一個完全無污染的基準測試 WC2026-Agents，用以評估大型語言模型（LLM）作為自主預測代理人的表現。
深度分析
CommitLLM 三層管線：以 QLoRA 微調與限制解碼提升 Git 提交訊息格式合規率至 98%
開發者常寫「fix」等無意義提交訊息，CommitLLM 以三層管線解決：微調 Mistral-7B、限制解碼、確定性後處理。在 50 筆測試中，格式合規率達 98%，平均長度降至 37.9 字元，LLM 評分 3.68。後處理貢獻大於微調，系統可在單張 T4 GPU 運行。
深度分析
高斯隨機場模型揭密：遮罩擴散中信心引導平行解碼的預算臨界值
這篇論文以一個簡化的高斯隨機場模型，分析遮罩離散擴散（masked discrete diffusion）中信心引導平行解碼（confidence-guided parallel unmasking）的單步選擇機制。
深度分析
HySAT 以損失層雙曲幾何解決專家級 AI 訓練崩潰問題
專家領域的知識本質上是樹狀結構，但傳統 Transformer 的歐氏幾何無法有效處理深層的父子關係。HySAT 提出只在損失層使用雙曲幾何，避免因曲率耦合導致的訓練崩潰；在六個專家模型、約 31.7 萬步訓練中達成零 NaN。這項技術讓專家級 AI 部署更穩定。
深度分析
SAGA 架構：以 LLM 代理人與衝突即特徵機制自動生成大規模時序圖基準
時序圖基準數據集因隱私與標註成本而稀缺。SAGA 提出「骨架優先、語意後置」架構，先以 O(1) 演算法生成冪律圖結構，再透過 LLM 代理人注入領域語意，最後以「衝突即特徵」機制自動產出異常標籤。單張 H100 可在 90 分鐘內生成 50 萬條時序邊，並支援零程式碼領域切換。