深度分析
「PolicyShiftGuard」：雙階段訓練模型實現政策適應影像安全防護
隨著不同產品與地區的內容政策變動，傳統影像安全防護難以因應。研究推出PolicyShiftBench與PolicyShiftGuard，前者提供2,000筆政策變化測試，後者結合隨機政策SFT與邊界配對適應，使模型在政策轉換下F1達76.9、PSS達72.1，顯示政策感知大幅提升安全判斷彈性。
深度分析
深度分析
K‑ABENA：基於誤差的自適應反向傳播減算與無偏梯度估計技術
研究聚焦於大型模型訓練中低損樣本的反向傳播開銷，提出K‑ABENA以誤差為基礎的N‑排除演算法，結合防禦式混合抽樣與加權，使梯度估計在設計上無偏，且在非凸目標下保證O(1/√T)收斂。實驗顯示在不平衡與標籤噪聲嚴重的情境下，補償抽樣可將測試AUC維持在0.999左右，同時減少約30%計算量。
深度分析
i-EXAM：結合規劃編譯、Top‑k 規劃與 LLM 的可說明攻擊圖分析平台
隨著大型網路安全需求提升，i-EXAM 結合規劃編譯與大型語言模型，提供可視化攻擊路徑、差異化硬化建議與自然語言說明，證明在30節點測試中可減少計算時間約五成，預計將推動自動化防禦工具的商業化與開源應用。i-EXAM 透過PDDL規劃模型、Top‑k規劃器與LLM產生說明，並支援多樣化硬化選項，提升系統管理員決策效率。
深度分析
政策梯度自適應批次化於多 GPU 推論提升 3.5 倍效能
隨著大型模型推論流量波動，傳統靜態批次策略難以兼顧吞吐與延遲。研究以REINFORCE與PPO兩種政策梯度演算法，動態調整批次大小與請求路由，並在多GPU環境下將效能提升至3.5倍，顯示自適應RL可減少前端阻塞並優化資源配置。並為雲端服務商提供可擴展的調度方案。
深度分析
Danus 以整數 K 環實現環形圖形切向類別的全自動化構造
研究聚焦於環形圖形（matroid）與奇妙緊緻化的切向類別建構，作者使用AI數學代理Danus自主推導出整數K環中的切向類別，並證明其與實現情況下切向丛的特性相符。相較於傳統手動證明流程，Danus的自動化方法大幅縮短求解時間，預示AI將成為數學家重要合作夥伴，同時也引發研究可信度與學術責任的討論。
深度分析
噪聲通道分解下的最小貝葉斯風險解碼：雙向效用提升機器翻譯品質
本研究針對文本生成的最小貝葉斯風險（MBR）解碼提出噪聲通道分解，將解碼評分拆解為假設對參考的似然、參考對假設的似然、假設先驗與參考先驗四個交互組件。實驗顯示，不同評估指標在各通道上的權重差異顯著，但跨任務表現一致，適當加權可提升翻譯品質。
深度分析
永續個人助理記憶安全新威脅：MemGhost 攻擊框架與 WhisperBench 評估
研究聚焦於永續個人助理的隱蔽記憶注入攻擊。提出 WhisperBench 基準與 MemGhost 單次郵件生成框架，實驗顯示在多模型與防禦下仍能高成功率，提醒業界加強長期記憶安全。此外，測試涵蓋 OpenClaw、NanoClaw 與 Hermes 多種架構，並比較背景與前景執行模式的差異。
深度分析
「Model Context Protocol」的 Unicode TAG 區塊 (T7) 隱蔽攻擊實驗與安全分析
MCP允許代理人從工具伺服器取得工具清單並將描述直接注入模型上下文，研究發現使用UnicodeTAG區塊的隱蔽編碼可在人體審核畫面中隱形，同時完整送入模型。實驗證實此方式繞過字串過濾與視覺審查，顯示協定在渲染與傳遞間缺乏位元一致性，需改以位元忠實顯示以提升安全性。
深度分析
模式‑世界加權回歸與迭代式解碼器提升 Argoverse 2 多代理運動預測表現
本研究針對自動駕駛車輛的多代理軌跡預測，提出模式‑世界加權回歸損失與迭代式解碼器。該損失同時提升模式多樣性與世界排名準確度，迭代解碼器以分段座標直接輸出並循環利用前段資訊。實驗顯示在Argoverse2基準測試中排名第一。然而，迭代解碼帶來較高的計算量，對即時應用構成挑戰。
深度分析
微型 Transformer 的資訊路徑與少樣本學習效能：符號、Oracle 及感知向量實驗結果
研究聚焦於資訊輸入方式如何影響微型Transformer的組合綁定能力，測試符號、因子式Oracle、弱/強感知向量等五條路徑，結果顯示無路徑能在零樣本下完成組合，少樣本效能受共享參數與可讀性主導，提供未來模型設計的關鍵指標。此結果也挑戰了先前認為感知向量能自然促成組合的假設。
深度分析
大型語言模型在無來源條件下的從眾修正率：說話者自由基線研究
本研究發現，即使移除說話者，LLM仍有六六點五％的錯誤修正率，遠高於普通重提的十點三％，說明重複答案本身就會驅動模型偏離正確答案，來源標籤僅略增效果。研究在六個開放權重模型與七項問答資料上測試，結果顯示此說話者自由基線在不同題型、改寫與隱藏選項情況下仍保持六十至八十％的高修正率。
深度分析
SynSFX 資料集發布：178 小時、43,374 筆音效偽造樣本，評估多模型偽造檢測性能
隨著生成式音訊模型快速發展，現有偵測技術多聚焦語音，對合成音效缺乏防護。研究推出SynSFX資料集，收錄4萬多段真偽音效，測試顯示現有偵測器在音效上表現不佳，需重新設計。資料集涵蓋七種主流文字轉音模型，提供提示子集以檢驗生成器特徵；實驗揭露僅針對音效訓練會導致語音偵測遺忘，且在未見生成模型上難以泛化。