深度分析
BRANE 與 Query2Conf：查詢級動態配置檢索管線以擴展成本—品質帕累托前緣
知識檢索管線影響答案品質與成本。本文提出Query2Conf與BRANE：以LLM抽取工作負載的二元特徵，為候選管線訓練輕量預測器，推論時以代價—準確度拉格朗日權衡逐查詢選擇配置，實驗在三項基準上擴展成本—品質帕累托前緣，可在目標準確度下節省更多成本。
深度分析
深度分析
以儀表板量化代理式 AI 技術債與隨機稅：指標、模擬與管理對策
研究背景：代理式AI系統把機率推理與委派行動整合在業務流程中。核心做法：區分累積的設計與治理負債為代理式技術債，並把反覆發生的營運負擔建模為隨機稅；以股流模型、操作性量測規則與模擬化儀表板支援管理決策。主要影響：有助於辨識應優先還債的工程項目與需持續投資的監控運維。
深度分析
TADDLE：以工具化代理執行證據型缺陷檢測的 LLM 審稿評估法
學術審查面臨LLM代寫評論的質量挑戰。TADDLE以工具化代理拆解審核流程：Verify比對、Correct分類、Complete檢查建議、Transform辨識偏見與口吻。實驗顯示在二元與多標籤檢測上取得優勢，並提供可供編輯決策的證據軌跡。
深度分析
Helicase 多代理 LLM：從不確定性量化到可稽核的供應鏈知識圖
Helicase 提出一套以大型語言模型驅動的多代理系統，專為供應鏈調查與結構推理設計。系統把複雜問題拆解成可執行動作，協調網路檢索、跨來源推理與程式代理，並以三層不確定性（行動、軌跡、記憶）追蹤證據與推論信心。
深度分析
Tail-Aware HiFloat4：針對 Wan2.2 的 W4A4 後訓量化（PTQ）校準策略
擴散式視覺生成面臨低位量化難題，Tail-Aware HiFloat4 在 Wan2.2 採用 HiFloat4 W4A4 做主線性層 PTQ，保留邊界模組高精度，並以活化尾部百分位統計建構通道遮罩以減緩極端值影響；多項畫質指標接近 BF16 基準，主體一致性仍是主要退化來源。
深度分析
HEAT-24 實驗顯示：LLM 代理對提示框架（harness）敏感度呈非單調性
研究以HEAT-24基準測試六款大模型與三種提示框架（輕量、平衡、嚴格）。比較提示結構對可靠性、失敗類型與延遲的影響。結果顯示harness敏感度非單調，應依模型類型與指令微調。並提出六類失敗分類與分層選擇建議，強調指令調教質量比參數數量更關鍵。
深度分析
政策梯度於長期累積傷害任務的完成度與最適性分解
研究探討長期累積傷害決策問題對政策梯度法的挑戰。作者區分完成度與最適性兩類失效，提出分解診斷並在兩個不同職涯模擬（磚匠與NBA大前鋒）檢驗四項可測預測。結果顯示，授予地平線存取或限制動作空間能改善完成率，但仍遺留來自早期貪婪承諾的最適性缺口。
深度分析
MiniMax‑M2（MoE）：以迷你啟動、MTP 與 Forge 擴展 192K 上下文的代理式 AI 實務化
MiniMax‑M2 系列提出以 Mixture‑of‑Experts（MoE）與「迷你啟動」為核心的設計路線，主張在每個 token 僅啟動小量參數即可達到實務級別的代理式智慧。
深度分析
解構 Web of Agents：LLM、A2A 與 MCP 下的架構演進與治理挑戰
本文系統性回顧「Web of Agents」的歷史脈絡，從語意網與多代理系統（MAS）一路追溯到以大型語言模型（LLM）為核心的 Agentic AI。文章提出四軸分類法（語意基礎、通訊範式、智慧位置、發現機制），說明現代協定如A2A與MCP如何回應早期FIPA與OWL等標準的侷限，並解析智能重心從資料編碼轉向模型內核的關鍵轉變。
深度分析
StakeBench：以市場承諾（market commitment）評估金融NLP模型的行為理解
StakeBench提出一套以公開交易行為為監督訊號的金融語言理解框架。
深度分析
WSADBench 實驗：61 個資料集與 36 種演算法下的弱監督異常檢測評測
弱監督異常檢測（WSAD）研究長期分裂為三大方向：標註不完整、標註粗糙與標註有誤。WSADBench 提出第一個跨情境的統一基準，對 36 種演算法、61 個資料集、涵蓋表格、影像、文本與視訊四種模態，在統一流程下執行超過七十萬次實驗。研究揭示：三種弱監督情境間存在強關聯；
深度分析
尺度不變頻域擴散 SKILD：單一模型實現無條件生成與連續超解析
研究提出 SKILD（Scale-invariant K-Space Image Learning Diffusion），在頻域設計尺度分級的前向過程：逐步從高頻到低頻衰減訊號，同時注入與資料頻譜相符的高斯噪聲。反向過程以單一無條件模型執行，僅透過改變起始時間步即可在純噪聲生成影像或從任意粗解析度進行連續超解析。