深度分析
「Onnes」物理驅動數位雙生結合多代理 LLM，提升量子電腦冷卻系統故障診斷精度
Onnes 以實體稀釋冷卻機的物理模型與真實藍福藍圖噪聲指紋結合，打造可產生真實遙測資料的數位雙生模擬器。透過五角色 LLM 代理層，加入對比式少樣本示例與自洽投票，將零樣本的冷凍故障分類準確率從 0.685 提升至 0.990，與監督式機器學習模型（0.985）相當。
數位雙生
速報
大型語言模型數位雙生的建構效度與人類測驗比較研究
本研究檢視大型語言模型（LLM）作為人類受測者的數位雙生之心理測量可比性，提出涵蓋構念表徵與共變範圍的建構效度框架，並以人類金標準作為基準進行多項測驗。結果顯示，LLM 在整體層面的準確度與概念輪廓相關性皆可觀，但在單項題目層面的相關性較低。
深度分析
因果參數漂移模擬與 SCM 數位雙生：分類器健壯性與破壞點分析
在動態環境中，概念漂移會逐步侵蝕機器學習分類器效能。本文改寫自最新研究，提出以結構因果模型（SCM）為核心的數位雙生框架，透過「因果參數漂移模擬」在保留因果結構下對模型進行情境化壓力測試。
速報
ELDER‑SIM：打造長者性格穩定的數位雙生平台
大型語言模型已被用來開發面向長者的對話代理，但性格表現不穩定（personality drift）阻礙長期模擬與介入評估。研究團隊提出 ELDER‑SIM，一個以本地推論為基礎的多角色長者照護對話平台，整合大五人格（OCEAN）特質設定、以 Beck 認知行為治療為基礎的認知概念化圖（CCD），以及以 MySQL 儲存的長期記憶模組。
AI 代理人
Pixel Societies：AI 代理人打造高保真度虛擬配對平台
Pixel Societies 為一 AI 代理人配對原型，利用大型語言模型與個人化資料模擬虛擬互動，測試配對與約會可能性。實驗顯示代理人可快速蒐集資訊，但兼容性仍受限於現有研究，平台商業模式尚未確定。
深度分析
SensorPersona：利用手機感測器數據與 LLM 推理，實現高精準度的人格特質提取
AI Agent 想要真正個人化，不能只靠對話紀錄。研究團隊開發 SensorPersona，能從手機感測器數據中持續提取人格特質，讓 AI 能理解使用者的物理世界行為與心理特質，大幅提升 AI Agent 的回應品質與滿意度。