深度分析
ASTRA：自適應語意樹與雙模推理突破複雜表格問答瓶頸
面對大型語言模型在表格問答的序列化瓶頸，ASTRA 以 AdaSTR 重構表格為語意樹，並用 DuTR 雙模推理結合文字導覽與程式碼驗證，最終在複雜表格基準上創下 SOTA 成績。
大型語言模型
深度分析
PerMix-RLVR：結合可驗證回饋與角色混合的強化學習方法
隨著角色提示成為調整大型語言模型行為的常見手段，如何在不犧牲表現的前提下提升其穩定性成為挑戰。研究提出 PerMix-RLVR，透過在訓練時混合多樣角色並結合可驗證回饋的強化學習，有效緩解了 RLVR 在角色表現上的衝突。實驗結果顯示，該方法在 MATH500 上提升 21.2% 的角色穩定性分數，並在 PersonaGym 上提升 11.4% 的角色忠實度。
文本簡化
MuTSE：多模型多提示的人機互動文本簡化評估平台
隨著大型語言模型在文本簡化的廣泛使用，評估不同提示與模型組合成為挑戰。MuTSE 提供人機互動的網頁介面，同時執行多重提示模型排列，並以分層語意對齊與線性偏差啟發式視覺化對照。此系統降低分析負荷，提升可重複標註效率，對教學與研究都有顯著影響。
SatIR
SatIR：高召回率與可解釋性的約束滿足式臨床試驗檢索系統
臨床試驗招募常因匹配困難而受阻。SatIR 以可滿足理論與關係代數形式化患者與試驗條件，並用大型語言模型將模糊資訊轉為明確約束。實驗顯示其召回提升 22‑38 點，檢索速度僅 2.95 秒/患者，顯著優於既有方法。
深度分析
大型語言模型文化對齊評估：多語言敘事道德生成實驗與結果
研究以跨語言故事道德生成評估大型語言模型的文化對齊。利用14種語言‑文化資料集，比較GPT‑4o與Gemini等模型與人類解讀的語意相似度與偏好。結果顯示模型可產出相似道德敘事，但跨語言變異與價值多樣性較低，凸顯模型在捕捉人類敘事多樣性上的限制。
深度分析
透過張量分解量化大型語言模型多代理系統的不確定性
大型語言模型多代理系統因互動複雜面臨可靠性挑戰。研究提出 MATU 框架，使用張量分解將推理軌跡組成高階張量，分離並量化不確定性來源。實驗顯示其在多任務與拓撲下提供穩健估計，提升系統信賴度。
大型語言模型
大型語言模型幽默對齊基準：以 Cards Against Humanity 測試結果分析
本研究以《Cards Against Humanity》測試大型語言模型幽默對齊。五種模型在9,894回合中挑選最搞笑回應，均超過隨機基準但與人類偏好差距仍大。模型間共識高於與人類，且受位置與內容偏差影響，顯示幽默判斷可能受結構性因素左右。
生成藝術
SemJudge：結合符號學與 AI 的層級語意圖生成藝術評估框架
研究指出現有生成藝術評估器過度聚焦影像品質，缺乏對象徵與指示意涵的判斷。作者提出SemJudge，利用層級語意圖重建從提示到圖像的意義形成過程，並在細部藝術基準測試中與人工評分高度吻合，顯示生成藝術有望突破表層美感，傳遞更複雜的人類經驗。
深度分析
大型語言模型在自動化決策中的升級行為與鏈式思考微調評估
自動化系統需在執行與升級間抉擇。研究以大型語言模型預測、估計正確機率並比較成本，測試五大領域。結果顯示模型門檻差異大、校準偏差，調整成本與鏈式思考可提升決策穩健性，建議部署前先行評估升級行為。
大型語言模型
遞迴資訊市場：大型語言模型以可遺忘檢視緩解資訊不對稱
資訊市場常因買方無法檢視資訊而產生不對稱。研究以大型語言模型作為遞迴買方，讓其檢視後遺忘資訊，減少此問題。結果顯示此機制可促使資訊依真實價值定價，對 AI 對齊研究具潛在影響。
AI 輔助篩選
TiAb Review Plugin：Chrome 瀏覽器即插即用的 AI 輔助系統性文獻篩選工具
背景：傳統篩選工具需付費或具程式能力。技術：TiAb Review Plugin 以 Chrome 擴充、Google Sheets 與 Gemini API 提供無碼、無伺服器的 AI 篩選，支援手動、LLM 批次與 ML 主動學習。結果：在六組資料集上分類結果與原始相同，召回率達 94%~100%，工作節省最高 87%。
STIndex
STIndex：結合大型語言模型的多維時空資訊抽取系統
研究針對非結構化資料的時空抽取瓶頸，提出 STIndex 系統以大型語言模型進行上下文感知抽取與定位，支援自訂維度與即時視覺化。實驗顯示在公共衛生基準上提升約 4% 的抽取準確度，具備跨領域應用潛力。