深度分析
情境內搜索與自我反思：提升大型語言模型推理抽樣效率的理論與實證
本研究探討大型語言模型的情境內搜索（in‑context search），透過自我反思定位早期錯誤，將指數級抽樣需求降為多項式次數。理論證明若反思能早期定位錯誤，搜索效能可呈指數提升；反之則無優勢。實驗驗證此機制於真實推理模型上成立。對未來 AI 推理有深遠啟示。
大型語言模型
深度分析
LLM 代理使用 SageMath 於 RealMath 基準的效能提升與代幣效率探討
隨著大型語言模型在數學研究中的應用提升，研究者將 SageMath 整合至 ReAct 代理框架，提供可驗證的符號回饋。實驗顯示所有模型在工具輔助下平均提升 9.7 個百分點，最高提升 27.8 個百分點，且 GPT‑5.5 在解題率與代幣使用上表現最佳。此結果顯示 CAS 輔助有望縮小開放模型與封閉模型的差距，推動計算數學自動化。
深度分析
Danus：事實圖記憶驅動的多代理系統提升研究級數學推理效能
隨著大型語言模型應用於研究級數學推理，協調多代理並管理中間結果成挑戰。Danus 以共享事實圖作為全域記憶，主代理規劃、工作代理平行搜尋、無狀態驗證器核對，將證明片段組成有向無環圖。實驗顯示在代數幾何、奇點理論與組合學六個案例中，系統能在數天內產出完整論文，證明事實圖編排可提升長程數學問題的可擴展性。
深度分析
前沿大型語言模型在多代理市場中的資訊-財富耦合實證
本研究以Claude Opus 4.8前沿語言模型，驗證資訊理論在多代理市場的容量區間，結果顯示相對成長與宣稱資訊相等，且聯盟價值呈現條件獨立時的遞減回報。相反地，平均場模型假設的目標分散在所有測試中皆崩潰，顯示LLM族群以離散吸引子行為回應激勵。
深度分析
「Prompt-to-Paper」多代理 AI 系統：決定性檢索、實驗自動化與八維品質評分完整管線
本文深入報導 Prompt-to-Paper 這套多階段多代理框架，如何以決定性檢索、真實生物資訊實驗與八維品質評分，填補自動化論文生成的評估缺口。系統透過文獻雪球抽樣保證每個主張都有可追溯來源，並由自主程式碼代理執行實驗，將真實數值嵌入稿件。
深度分析
OpenAgent 開源個人 AI 助理：整合 LLM、RAG 與自主代理循環的多模型平台
OpenAgent以開源個人AI助理為定位，結合大型語言模型、文件檢索與自主代理循環，支援超過30種模型供應商與MCP兼容工具，提供跨平台單檔執行、透明工具呼叫、RAG知識庫與視覺化工作流，預計加速本機AI部署並促進開源生態競爭且支援單檔即插即用與多租戶隔離，降低維護門檻。
深度分析
「實證計算」：以大型語言模型 (LLM) 驅動的全新程式設計範式與實驗結果
隨著大型語言模型生成程式碼的普及，研究者提出「實證計算」概念，透過自然語言提示直接求解問題，結果以最可能正確為依據。實驗顯示在排序與子集和等任務上可達近乎正確，相較於傳統程式化流程，實證計算免除格式合約，提供更彈性但亦帶來正確性不確定性，預計將推動AI工具安全基礎設施的重新設計。
深度分析
Travel Agent Compassion (TAC) 基準揭示大型語言模型在 AI 旅行代理人中的動物福利缺口
研究指出，隨著大型語言模型被當作自動旅行代理人，需評估其對動物福利的隱性偏好。研究團隊提出首個代理人基準 TAC，透過十二組旅遊情境測試七大前沿模型。結果顯示所有模型在預設設定下均低於 64% 基準，最佳僅 53%。加入關懷指示可提升部分模型表現 47 至 63 個百分點，研究呼籲將此類評測納入歐盟 AI 治理框架。
深度分析
RSF‑GLLM：可微分軟流與動態門控彌合知識圖譜多跳問答語意鴻溝
多跳知識圖譜問答常因中繼節點與問題詞彙無交集而失效。研究提出RSF‑GLLM，利用可微軟軟流與動態門控在圖上傳遞概率，抽取離散推理路徑再以LLM生成答案。實驗顯示在WebQSP與CWQ上達到90%以上命中率，推論速度提升21倍，此架構亦為大型模型降低資源需求、提升商業化可行性鋪路。
深度分析
i-EXAM：結合規劃編譯、Top‑k 規劃與 LLM 的可說明攻擊圖分析平台
隨著大型網路安全需求提升，i-EXAM 結合規劃編譯與大型語言模型，提供可視化攻擊路徑、差異化硬化建議與自然語言說明，證明在30節點測試中可減少計算時間約五成，預計將推動自動化防禦工具的商業化與開源應用。i-EXAM 透過PDDL規劃模型、Top‑k規劃器與LLM產生說明，並支援多樣化硬化選項，提升系統管理員決策效率。
page-agent
Alibaba 開源 page-agent：基於 TypeScript 的前端 AI 代理工具快速走紅
Alibaba 的 page-agent 在 GitHub Trending 短時間內星標激增，這套以 TypeScript 撰寫的頁面內 GUI 代理工具，允許使用自然語言直接操控 DOM，無需瀏覽器外掛或無頭瀏覽器，為 SaaS AI Copilot 與表單自動化提供輕量化整合路徑，預示前端 AI 代理的產品化新趨勢。
深度分析
大型語言模型在無來源條件下的從眾修正率：說話者自由基線研究
本研究發現，即使移除說話者，LLM仍有六六點五％的錯誤修正率，遠高於普通重提的十點三％，說明重複答案本身就會驅動模型偏離正確答案，來源標籤僅略增效果。研究在六個開放權重模型與七項問答資料上測試，結果顯示此說話者自由基線在不同題型、改寫與隱藏選項情況下仍保持六十至八十％的高修正率。