深度分析
Prompt2Fingerprint：以 Text-to-Weight 生成器即時注入 LLM 指紋
在大規模語言模型廣泛散布下，模型來源與責任追溯成為關鍵。研究提出Prompt2Fingerprint，將文本描述直接轉為模型權重增量，免去每次微調訓練；引入標記級條件化與端到端訓練，降低儲存與誤差傳遞問題。實驗顯示可即時注入大量指紋，並維持準確性與健壯性，成為可擴展的所有權管理方案。減少部署延遲並節省大量計算資源。
深度分析
深度分析
VT-Bench 基準：MCR/MIR 指標下的視覺—表格多模態效能與負遷移分析
VT-Bench 提出首個統一的視覺—表格（vision–tabular）多模態基準，涵蓋14 個資料集、9 個應用領域、超過 75.6 萬筆樣本，並評估 23 種代表性模型。論文同時設計兩項模態診斷指標（MCR、MIR），拆解視覺與表格資訊的融合動態。
深度分析
BMBE：以貝氏推論與LLM分工實現可審計的診斷對話
大型語言模型常被當成自動診斷代理，卻把語言理解與機率推理混為一談。BMBE將LLM限縮為感測器，僅負責把病人語句解析為結構化證據並口述問題。所有診斷推理由可審計的貝氏引擎執行，並在信心不足時選擇放棄。實驗顯示此架構在精準與覆蓋率間提供可控取捨並超越同族獨立LLM。
深度分析
Motif‑Video 2B：透過 Shared Cross‑Attention 與 DDT 解碼，在微預算下優化文字到視訊表現
Motif‑Video 2B 提出在有限資料與算力下仍能達到高品質文字到視訊生成的方法。作者主張問題不只在於參數或資料量，而是模型如何分配容量：將文字條件對齊、時序一致性與細節復原在架構上分工，採用三階段骨幹與共享交叉注意力（Shared Cross‑Attention），並配合動態令牌路由與早期表示對齊的微預算訓練配方。
深度分析
大型語言模型提示隔離的架構極限：注意力機制、上下文污染與元認知共乘風險
本報告記錄一名研究者自建多模態提示工程系統，試圖將自我監控外化給大型語言模型。研究指出提示層隔離在注意力視窗內會遭遇上下文污染，導致元認知被系統挪用並引發決策權移轉與行為變化；物理中斷可作為恢復路徑，另以物理隔離替代邏輯隔離的設計避免同類失效。
深度分析
Google Gemini Managed Agents：以 Gemini API 單次呼叫整合執行層與工具編排
在 Google I/O，Google 推出可在 Gemini API 中使用的 Managed Agents，主張以單一 API 呼叫簡化代理部署。該服務把執行環境、沙箱與工具整合於平台，使模型與平台共同負責編排與執行。這可能降低部署門檻，但也帶來可控性與資料一致性風險。
深度分析
長時脈絡與任務式提示如何改善 MLLM（視訊+聲音）與 fMRI 腦活動對齊
研究以自然敘事電影和fMRI探討時間脈絡長度與任務提示如何影響多模態大型語言模型(MLLM)與大腦的對齊。採用視訊+聲音MLLM與單模視訊基線比較，並以角色動機、事件界標、多場景與敘事摘要作為提示。結果顯示延長片段時長顯著提升MLLM在高階語義腦區的對齊，而單模視訊模型未見同等收益。
深度分析
在 NVLink-C2C 上的 SLO 感知推論：SuperInfer 的 RotaSched 與 DuplexKV 設計
大型語言模型服務面臨嚴苛延遲SLO與GPU記憶體限制。論文提出SuperInfer，結合RotaSched排程與DuplexKV雙工KV轉移，在GH200Superchip上透過主動旋轉與全雙工傳輸，大幅提升TTFT達成率並維持TBT與吞吐。
深度分析
Anthropic租用SpaceX Colossus/Colossus II GPU算力：合約揭露與產業影響
事件背景：SpaceX在S‑1文件披露與Anthropic簽署高額算力合約。核心技術：合約賦予Anthropic在Colossus與Colossus II資料中心的GPU資源，換取每月巨額費用，反映訓練與推論對大規模算力的依賴；同時，業界有以蒸餾等方法降低算力門檻的技術路線。主要影響：此舉將改變AI供應鏈與治理焦點，拉高資本與監管敏感度。
深度分析
AP2 安全評估：Branded Whisper 與 Vault Whisper 提示注入攻擊分析
本文對以大型語言模型驅動的代理人支付協議(AP2)進行紅隊測試，發現透過提示注入可操縱代理決策並導致敏感資料外洩。研究提出Branded Whisper與Vault Whisper兩種攻擊，並以實驗驗證其對商品排序與授權流程的破壞，指出需強化隔離與檢測防護。
深度分析
FreeOrbit4D：以幾何完整 4D 代理實現單鏡頭任意攝影機導向
單鏡頭影片重定向面臨視角缺失與幾何模糊問題。FreeOrbit4D提出訓練免疫框架：先於全域場景空間重建靜態背景與可見前景，再於物件典範空間以多視角合成補全前景幾何，藉密集像素對齊統一為幾何完整的4D代理，並在大角度軌跡下維持時間與幾何一致性。
深度分析
HarmonicAttack：以雙路自編碼器與對抗訓練實現跨域音訊水印移除
面對高品質AI合成音被濫用風險，研究提出HarmonicAttack，一種只需能產生目標水印樣本的學習型移除器，採雙路時頻自編碼器加上GAN式對抗訓練，能從多種水印中分離並回復聽感，測試顯示對AudioSeal、WavMark與Silentcipher具高移除能力且可近即時執行。