深度分析
Contrastive CFG：以對比損失提升擴散模型負向指導的穩定性與效能
研究針對擴散模型的負向分類自由指導（negative CFG）提出對比式改進（CCFG），利用對比損失在正負概念間拉扯，引導去除不想要的特徵，同時保持樣本品質。實驗顯示在多種條件下均能有效抑制不良概念。此方法亦兼具計算效率，避免大型獎勵模型的訓練成本，為線上個人化生成提供實務可行性。
生成式 AI
速報
SmartHomeSecure：結合程式分析與受限生成式 AI 的智慧家庭設定自動修復系統
智慧家庭設定檔常因 YAML 語法或語意錯誤導致自動化失效。研究提出 SmartHomeSecure，先用程式分析偵測錯誤，再以受限提示引導大型語言模型完成最小化修復。實驗顯示三種模型皆能 100% 偵測錯誤，修復成功率最高達 93%。此方法證明結合領域分析與受限 AI 能提升設定可靠性。
深度分析
Prime Intellect 完成 130 億美元 A 輪融資 打造企業自建 AI 代理人全端平台
PrimeIntellect在2026年完成130億美元A輪融資，提供企業自行訓練AI代理人的全端平台，結合運算資源、強化學習框架與評估工具，讓客戶以模組化方式取代依賴封閉式AI實驗室，提升效能與降低成本。此舉助企業降低對外部模型的依賴，並預示AI主權趨勢。
深度分析
生成式 AI 與聯邦學習結合提升入侵偵測：VAE、GAN、擴散模型與 LLM 應用解析
隨著網路攻擊手法持續演變，傳統 IDS 受限於資料稀缺與隱私限制。研究結合生成式 AI 與聯邦學習，利用變分自編碼器、GAN、擴散模型與大型語言模型在本端生成或增強流量，同時透過聯邦聚合避免資料外流。實驗顯示在多項基準上偵測率提升1%~3%，且通訊與運算成本下降15%~20%。
深度分析
AI‑native 遊戲調查：生成式 AI 在遊戲機制中的應用與趨勢
生成式AI正逐漸從開發工具轉為遊戲核心機制。本文以「AI‑native」為嚴格定義，篩選53件作品，提出雙軸分類並指出目前以敘事冒險為主，建議未來聚焦可控生成與多代理系統，以提升可玩性與安全性。同時探討安全、評估與法規挑戰，提供未來研究路線。
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。
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。