深度分析
檢索增強生成（RAG）在智利服務條款自動偵測與在地部署實作
此研究針對智利線上服務條款的潛在不當條款提出在地化的檢索增強生成（RAG）框架。方案以階層式切分與輕量偵測先篩出疑似條款，接著使用密集—稀疏混合檢索、重排序與提示增強，驅動中型開放權重模型完成分類。作者同時發布擴充語料庫與調整後的法律標註架構，實驗顯示檢索增強提示可在計算與通道成本較低下，讓本地模型逼近雲端系統表現。
深度分析
深度分析
正交瓶頸：以固定正交投影壓縮強化學習表示
面對深度強化學習中高維表示過剩，研究提出在編碼器後插入固定正交投影的低維瓶頸，將特徵壓縮到同一正交子空間，不需輔助目標或預訓練。理論證明當瓶頸維度超過值函數內在秩時，不會降低表現且保持梯度動力學；實驗在單任務與多任務上常能以極低維度達到或提升基準效能，並穩定化特徵規模與有效秩。
深度分析
CORTIS：用 Fisher 資訊與累積正交子空間實現持續性零樣本 TTS 語者移除
隨著零樣本文字轉語音（ZS-TTS）能以幾秒語音複製私人聲音，個資移除請求呈現連續到達的現實需求。
深度分析
QUIET：以多空格級聯完形測試與資訊論評分評估大型語言模型創作力
為了彌補現有指標偏向辨識能力的侷限，研究提出 QUIET——把完整故事設 10–20 個相互級聯的空格並附明確內容約束，讓模型以開放式生成填入，採用客觀的 NLI 式約束檢查與資訊論化的「校準驚訝」複合分數自動評分；在 12 款商用模型與 135 名人類先驗測試中，QUIET 能區分世代差異並揭示評分系統的一致性瓶頸。
深度分析
VEN-VL：結合MKE、HTE（MoE路由）與SIP，提升視覺令牌的容量與密度
面對多模態模型在部署端的效能與準確性矛盾,VEN-VL提出enrich then compact原則:先以多視角知識集成(MKE)豐富視覺容量,再以階層式MoE路由(HTE)逐層濃縮強化資訊密度,並以結構資訊保留(SIP)的重建監督守護語義。結果是在僅保留少量凝縮令牌下仍顯著提升複雜視覺理解任務的表現。
深度分析
LegalSearch‑R1：本地化版本化 RAG 與強化學習實現法律檢索的時間一致性
法律推理要求適用法與案情時間對齊。本研究提出LegalSearch‑R1，透過時間索引語料與強化學習，將本地法條RAG與線上搜尋結合，並用熵基增益整形改善時序查詢策略。實驗在13項任務顯示，此法提高時間一致性與檢索精準度。並呈現對既有研究的比較與泛化能力。
深度分析
TTPrint：發散後收斂的 TTP 擷取管線與 MITRE ATT&CK 驗證機制
資安報告自動擷取MITRE ATT&CK技術常陷於遺漏或幻覺的兩難。TTPrint採「發散後收斂」：先把報告拆成原子行為廣泛提出候選，再以句段定位與官方定義交叉驗證篩選。實驗在修正後TRAM與新文檔基準上顯著提升整體F1，並強化預測可追溯性。
深度分析
Context-Instrumental資料蒸餾：以驗證驅動語料構建LoRA微調的小型Kubernetes YAML模型
基礎設施即程式碼讓Kubernetes配置變得複雜且易出錯。本研究提出context-instrumental資料蒸餾，以合成生成與反向指令建立語料，並以kubeconform、Checkov等驗證器篩選後，用LoRA在小型模型上微調。受控測試集全通過率為91.5%，顯示嚴格輸出格式與驗證流程關鍵。
深度分析
在 Jetson Orin Nano 上以 Prism 與 Segment Means 緩解 GLOO CPU–GPU 暫存瓶頸
本研究在整合式 GPU 的嵌入式邊緣裝置（NVIDIA Jetson Orin Nano）上，實作並量測分散式 Transformer 推論的實務瓶頸。作者以 Prism 的 Segment Means 壓縮結合離線剖析，動態在本地或分散執行間切換，將需經 CPU 暫存的通訊量大幅降低。
深度分析
以自我錨定語意綠域與多通道計分實現的 SAMark 水印框架
面對生成式人工智慧輸出經常被編輯或改寫，如何在不犧牲文本品質下維持可偵測水印成為關鍵。SAMark 提出以句子語意為核心的「自我錨定」語意水印，將綠域（watermark green region）從步驟依賴改為單位語意依賴，搭配多通道超曲線計分放大穩健信號，並以多元性過濾維持詞彙新穎與流暢度。
深度分析
在語言模型中以 Compactor 模擬工作記憶：實驗方法與教育應用啟示
本研究系統性比較大型語言模型（LLM）與人類在多項記憶任務上的表現，建立包含十個任務的基準測試，並收集人類參考資料。作者發現預設模型在多數任務達到近乎滿分，顯著超越人類記憶表現。
深度分析
可驗證參照穩定性：密碼學見證與外部行為指紋在託管 AI 的應用
隨著託管人工智慧系統持續更新，傳統以固定識別碼綁定的資安評估經常失效。本文提出參照穩定性與參照安全的新範式，主張把模型身份當作可驗證的實證屬性，並評估密碼學簽章與黑盒行為指紋兩種可行機制，期望恢復可重現性、長期稽核與跨供應商可比性。此舉對審計、研究與監管均具關鍵意義。