深度分析
BMBE：以貝氏推論與LLM分工實現可審計的診斷對話
大型語言模型常被當成自動診斷代理，卻把語言理解與機率推理混為一談。BMBE將LLM限縮為感測器，僅負責把病人語句解析為結構化證據並口述問題。所有診斷推理由可審計的貝氏引擎執行，並在信心不足時選擇放棄。實驗顯示此架構在精準與覆蓋率間提供可控取捨並超越同族獨立LLM。
大型語言模型 LLM
深度分析
Mozilla 使用 Anthropic Mythos 與 agent harness 在 Firefox 原始碼中發現 271 項安全弱點
背景：Mozilla兩月內以AnthropicMythos執行自動化原始碼檢測。做法：結合專用agentharness、測試建置與二階段LLM驗證，讓模型反覆產生觸發測資並以現有工具驗證。結果：找出271項Firefox安全缺陷，報告誤報率極低且公開部分細節。
深度分析
從 Mythos 到系統化防禦：開放原始碼、半自主代理與 LLM 在資安的角色
在新一波以大型語言模型為核心的資安變局中，文章指出關鍵不在單一模型，而是把模型放入具探測、驗證與補丁流程的系統。開放原始碼工具與半自主代理能分散風險、加速漏洞查找與修補，並縮小攻防能力落差。這將重塑高風險組織的安全作法。同時促成防禦方的社群協同與可審計運作。
UltraRAG 3.0
UltraRAG 3.0：低程式碼多模態 RAG 框架正式發布
UltraRAG 3.0於2026年1月正式發布，提供低程式碼的多模態RAG框架。核心採用可視化推理與AgentCPM-Report模型，支援文字、影像與向量檢索。此框架降低開發門檻，預期加速台灣企業的生成式AI應用部署。