深度分析
流式擴散模型雙階段訓練本質：Oracle 速度場解析與實務技巧
研究重新檢視流匹配目標，發現流式擴散模型具備兩階段訓練本質：早期以資料模式導航形成全局布局，後期靠最近樣本細化細節。此發現說明時間步移位與指導間隔等技巧的效用，並為未來模型改進提供指引。
生成式 AI
DiffHDR
DiffHDR：利用影片擴散模型將 LDR 影片重建為高動態範圍 HDR
大多數影片以 8 位元 LDR 格式儲存，導致 HDR 細節遺失。DiffHDR 將 LDR‑to‑HDR 轉換建模為影片擴散模型的輻射填補，利用 Log‑Gamma 色彩空間與時空生成先驗合成缺失光照。實驗證明其在真實性與時間穩定性上優於現有技術，提升後製重曝光的可能性。
生成式 AI
生成式 AI 推論階段的精細化同意機制：代理人架構與音樂案例驗證
研究指出，單一二元同意模式已無法因應版權結構與 AI 輸出多元情境。作者提出在推論階段加入精細化同意的概念，並以代理人架構驗證使用者意圖。案例顯示，此機制能平衡權利人與 AI 開發者的利益。
生成式 AI
生成式 AI 使用類型與大腦結構、學業與心理健康之關聯全解析
研究以大學生為對象，結合問卷與 MRI 探討生成式 AI 對話工具的使用模式。功能性使用與較佳學業成績、額葉與視覺皮層容積增大、海馬迴網路效率提升相關；情感性使用則與抑鬱、社交焦慮以及顳上回與杏仁核容積縮小相關。結果顯示 AI 使用動機會導致不同神經與心理影響。
AI Slop
AI Slop 資訊戰：伊朗如何利用 AI 生成內容進行認知作戰
伊朗在衝突中採取了出人意料的 AI 資訊戰策略，利用 AI 生成的樂高風格內容（AI Slop）與真實戰爭影像交替投放，成功在國際社群媒體上贏得心戰。本文分析伊朗如何利用 AI 垃圾內容將複雜政治衝突簡化為「氛圍感」之爭，並在資訊流中擊敗白宮的迷因公關。
生成式 AI
生成式 AI 驅動的「樂高迷因戰」：伊朗內容創作者如何挑戰白宮敘事
伊朗創作者團體 Explosive Media 利用生成式 AI 打造樂高風格諷刺動畫，將政治人物擬人化，以黑色幽默挑戰白宮的軍事敘事。這些病毒式影片揭示了生成式 AI 如何在現代資訊戰中，透過視覺語言的通用性與快速迭代，讓非國家級力量能以低成本低門檻地挑戰權威敘事，奪取社群媒體上的話語權。