深度分析
分布式魯棒令牌優化（DRTO）提升 LLM 在 RLHF 框架下的穩健性與效能
大型語言模型對提示微變易失效。研究以分布式魯棒令牌優化結合 RLHF，透過 f‑散度集合界定最壞獎勵，提升對分布移動的穩健性。實驗在 GSM8K 與 MathQA 上分別提升 9.17% 與 2.49%，顯著增強數學推理一致性。
大型語言模型
大型語言模型
QuanBench+：跨框架大型語言模型量子程式碼生成統一基準
研究針對大型語言模型在量子程式碼生成上的表現，推出跨框架基準QuanBench+，涵蓋Qiskit、PennyLane、Cirq等42項任務。測試顯示單次生成最高通過率分別為59.5%、54.8%與42.9%，加入回饋修正後提升至83.3%、76.2%與66.7%。結果顯示多框架量子程式碼生成仍具挑戰。
大型語言模型
大型語言模型寫作輔助對母語語言指紋的影響：ACL 論文實證分析
研究探討LLM時代寫作輔助工具是否削弱母語痕跡，利用半自動框架標記ACL論文並微調分類器偵測語言指紋，結果顯示辨識率持續下降，中文與法文出現異常抵抗，日韓語衰退更快，暗示AI工具可能影響學術語言多樣性。
深度分析
Spatial‑Gym：驗證大型語言模型在 2D 網格空間推理與行動的效能差距
研究針對空間推理與行動之間的差距提出 Spatial‑Gym 測試平台，透過 2D 網格迷宮的逐步決策任務評估模型。實驗比較一次性、步驟式與回溯三種設定下八個模型與人類、隨機、A* 基線的表現。結果顯示即使是最佳模型 GPT‑OSS 120B 只解出 16%，遠低於人類的 98%，且步驟式互動對弱模型有提升，但對強模型有負面影響。
大型語言模型
大型語言模型醫療推理全景調查與 MR-Bench 基準發布
大型語言模型在醫學考試題目上表現亮眼，研究者以認知醫學推理理論將醫療推理劃分為演繹、溯因與歸納三階段，並整理出七條技術路徑。新推出的 MR-Bench 基於真實醫院資料，測試結果顯示模型在臨床決策上的準確度仍有明顯差距。
深度分析
LLM 文本生態系統中的漂移與選擇：遞迴出版對公共語料的影響
隨著生成式 AI 文本不斷回流至公共語料庫，研究以可變階 n-gram 代理模型建構數學框架，將漂移與選擇兩大力量分離。結果指出，僅統計式出版會使語料庫陷入淺層平衡；具規範性出版則能保留深層結構，並提供理論上可達的偏離上限。此發現對 AI 訓練語料設計與產業發展具重要啟示。
深度分析
GNN-as-Judge：結合圖神經網路與大型語言模型的少樣本圖學習框架
隨著大型語言模型在文字屬性圖上展現語意優勢，標記稀缺仍限制其預測效能。GNN-as-Judge 透過圖神經網路的結構偏置，採用協同偽標籤與弱監督微調，產出更可靠的標籤並抑制噪聲。實驗證明在低資源情境下，其表現顯著優於既有方法，提升圖學習的可用性。
大型語言模型
結合本體限制與大型語言模型的自動化生醫元資料標準化系統
生醫遺留資料集元資料常缺乏標準化，研究提出結合本體限制與即時術語查詢的 LLM 代理系統。實驗以 HuBMAP 839 筆記錄測試，顯示加入即時工具後正確率提升，證實自動標準化具可擴展性。
深度分析
OmniBehavior：首個以真實資料建構的跨情境長時序使用者行為模擬基準
隨著大型語言模型被視為通用使用者模擬器，現有基準仍受限於單一情境或合成資料。研究推出 OmniBehavior，整合真實長時序、跨情境與異質行為，提供完整模擬框架。評估發現 LLM 在長期因果鏈與多情境決策上表現受限，且呈現正向平均人偏差，削弱個體差異與長尾行為。
深度分析
策略性單一文化：大型語言模型在協調遊戲中的行為與多樣性分析
隨著 AI 代理在多代理環境中日益增多，協調成為關鍵挑戰。本研究以協調遊戲實驗區分基礎相似度與策略性單一文化，發現大型語言模型呈現高度基礎相似度，且會因協調激勵調整行為，但在需要多樣性以獲獎勵時，表現不及人類，顯示其在多樣化協調情境仍有提升空間。
限制感知校正記憶
具備限制感知的校正記憶 (CACM) 提升語言驅動藥物發現代理人成功率
大型語言模型使自動化藥物發現成為可能，但成功取決於候選集合是否同時滿足大小、多樣性、結合品質與可開發性等協議需求。研究者提出具備限制感知的校正記憶（CACM）框架，透過協議稽核與基礎診斷器定位違規，並以壓縮的記憶寫回引導後續行動。實驗結果顯示 CACM 提升目標成功率 36.4%，顯示精準診斷與經濟狀態對語言驅動藥物發現的重要性。
大型語言模型
PilotBench：結合安全約束的通用航空代理人基準測試與評估指標
研究針對大型語言模型在航空安全領域的推理能力提出基準。PilotBench 以 708 筆真實飛行軌跡與 34 通道遙測，衡量模型在六至九大飛行階段的預測與安全合規。結果顯示傳統預測器精度較高，LLM 在指令遵循上表現佳，但在高負荷階段精度下降，突顯混合架構的需求。