深度分析
PASE：結合大型語言模型與神經符號驗證的雲端自癒新範式
隨著雲端AI服務規模擴大，故障恢復變得急迫。研究提出PASE框架，利用大型語言模型生成語意恢復計畫，並以神經符號世界模型驗證可行性，同時透過深度強化學習優化提示。實驗顯示平均恢復時間縮短逾40%，偵測準確度亦有顯著提升，此方法亦展示了在未知故障情境下的適應性，為未來自主系統管理提供新方向。
大型語言模型
深度分析
Agent4cs：多代理工作流提升大型階層式程式碼庫摘要效能與可讀性
隨著大型程式碼庫缺乏文件與結構複雜，Agent4cs提出以關鍵字抽取與品質保證的多代理框架，採自底向上方式生成階層式摘要，結合七種前沿大型語言模型，於真實資料集測試提升語意相似度約8%，關鍵字覆蓋率最高提升38%，顯示此架構可改善跨目錄資訊整合，對未來AI開發者生態與企業代碼治理具潛在影響。
深度分析
EO-Agents 系統結合知識圖譜、異質圖神經網路與多模型 LLM 進行地球觀測假說生成
隨著NASA大量觀測資料的累積，研究團隊開發EO-Agents三代理人管線，透過知識圖譜與異質圖神經網路挑選未被共用的資料配對，再由LLM篩選、生成與評估結構化假說，最終產出160個跨領域研究構想，且新配對的可信度與實際文獻共用相近。此技術預期將加速跨領域資料整合，推動氣候與環境研究新突破。
深度分析
SOLiD：以內部偽言偵測提升大型語言模型偏好學習的監督效能
研究指出，隨著模型規模擴大，使用內部激活偵測的謊言監督（SOLiD）能顯著降低未偵測欺騙率。實驗在 Llama‑3 系列與 Qwen‑3 系列模型上顯示，從 1 B 參數下降至 405 B 時，未偵測欺騙率由 34% 降至 14%。然而，偵測器與微調資料分布不一致會導致假陽率激增，限制其實務部署。
深度分析
CreativityNeuro：權重空間導引提升 LLM 發散性思維與原創性
針對大型語言模型在開放式任務中傾向生成相似回應的集體心智效應，研究者提出 CreativityNeuro 技術。該方法透過對比創意與非創意提示詞，識別並放大模型權重中與創意行為相關的特定子空間，無需額外數據或梯度微調。實驗結果顯示，該技術顯著提升了模型在發散性思維測試中的原創性與驚奇感，並能有效降低模式崩潰，展現出優於激活導引的泛化能力。
深度分析
大型語言模型引發的引用幻覺：2025 年頂會論文檢測結果與 RefChecker 分析
大型語言模型在學術寫作中常產生虛構引用，研究者開發RefChecker以自動驗證參考文獻。結果顯示2025年近五分之一的NeurIPS與USENIXSecurity論文包含至少兩筆可能的幻覺引用，且此現象在ChatGPT推出後顯著上升的趨勢。
深度分析
LLVM‑Bench：LLM 驅動的 LLVM 編譯器問題解決平台與 LLVM‑Ens 整合方法
LLVM編譯器因規模龐大且複雜，問題修復成本高。研究推出LLVM‑Bench基準，收錄423筆真實LLVM問題，並建置LLVM‑Gym自動化平台。實驗顯示單一LLM解決率最高僅2.3%，結合多模型的LLVM‑Ens可提升至22%。主要失敗來自修補無法套用與編譯失敗。
深度分析
GPT‑5 以三種提示策略測試 Scrum 認證題目，最高正確率 89.1%
隨著大型語言模型在敏捷開發領域的應用日增，研究者測試 GPT‑5 以不同提示方式回答 Scrum 認證題目。實驗比較零樣本、思考鏈與引用來源三種提示，發現加入來源引用可將正確率提升至 89.1%，且錯誤率最低。結果顯示，結構化提示能提升 AI 在規範性 Scrum 知識上的可靠度，對教學與考證有實務價值。
深度分析
拓樸空洞（TVA）框架：利用向量嵌入與 SLERP 自動發掘技術缺口
本研究針對軟體與硬體技術文件建構高維嵌入空間，提出拓樸空洞（TVA）框架以自動發掘未被覆蓋的概念三元組，並透過球面線性內插檢驗中點是否被占用。實驗顯示在Linux核心與x86特性上，TVA可在數十億候選中篩選出少數具創新潛力的空洞，顯著降低人工探索成本。
深度分析
以大型語言模型抽取三元組建構個人知識圖譜的研究與實驗
個人知識圖譜提供隱私友善的偏好建模方式，但從分散式對話資料建構仍具挑戰。本研究提出以輕量大型語言模型抽取RDF三元組，並以Wikidata識別碼對齊，形成可互操作的PKG。實驗顯示，部分模型在抽取精度與下游推薦效能上具比例性優勢。評估使用ReDial對話資料集，Gemma-12B Instruct在精度與召回上領先。
深度分析
Loom 以三層管線進行可控敘事渲染，增強大型語言模型創作細節
研究提出Loom框架以三層管線分離敘事事件與感官描寫，透過感知配額層、意義建構層與敘事渲染層控制描述密度，實驗顯示在保持事實完整的同時提升文句感染力。該系統在ROCStories測試集上超越多項最先進基線，且在人類盲測中獲得更高的敘事忠實度與表現力評分，顯示可控渲染有望成為創意寫作的新標準。
深度分析
「PHREEQC-MCQ-200」基準評估工具增強大型語言模型在水相地球化學模擬的可靠性
隨著大型語言模型逐漸接入科學軟體，如何判斷工具使用是否提升計算可靠性成為關鍵。研究推出PHREEQC-MCQ-200基準，要求模型自行產生PHREEQC輸入、執行模擬並從結構化輸出中取得答案。結果顯示，工具增強能顯著提升整體正確率，但亦會導致部分已正確的題目失分，顯示效能並非單調提升。