速報
paper.json：讓論文對 LLM 可讀且可重現的輕量 JSON 慣例
大型語言模型常被用作論文第一讀者、但易錯認細項。作者提出Paper.json作為PDF伴隨檔，定義穩定主張ID、明確不宣稱清單、逐圖實驗指令與定義ID，並主張手寫最低合規可在不到一小時內完成。實作含驗證器，示範工具可檢查合規性並促進可重現性。社群儘保留擴充彈性。
速報
大型語言模型常被用作論文第一讀者、但易錯認細項。作者提出Paper.json作為PDF伴隨檔，定義穩定主張ID、明確不宣稱清單、逐圖實驗指令與定義ID，並主張手寫最低合規可在不到一小時內完成。實作含驗證器，示範工具可檢查合規性並促進可重現性。社群儘保留擴充彈性。
深度分析
隨著大型語言模型加入外部記憶以提升適應性，MemQ 透過在記憶建立的來源圖(DAG)上套用 TD(λ) 追蹤，將信用沿結構向上回傳。實驗在六項多步驟任務中提升成功率最高達 5.7 個百分點，特別在需長期因果鏈的情境表現顯著，證明多階段信用分配的效益，預示未來記憶增強技術的發展方向。