深度分析
多代理LLM在陪審團式審議的實驗：RLHF強度如何影響定錨與共識形成
以電影《十二怒漢》為基準，將十二位角色化的大型語言模型置入陪審團討論以評估多代理審議。比較重度與輕度RLHF在三種投票與提示條件下的表現。結果顯示十八次實驗有十七次以懸而未決收場，主要因代理人固守初始立場(anchoring)，且對齊強度而非能力決定討論靈活性。
LLM
深度分析
法庭上的 Claude 錯誤：元資料驗證、律師責任與 Rule 11 的意涵
2025 年一宗牽動 AI 與法律責任的案件，Latham & Watkins 在 Concord Music v. Anthropic 的法庭聲明中，使用 Anthropic 的大型語言模型 Claude 格式化引用，產生與原文不符的作者與標題等元資料錯誤，卻保留正確連結。
深度分析
RAG 醫療聊天機器人洩露風險：向量資料庫、API 配置與病患資料外洩實證
本文改寫自一項匿名安全評估，檢視一個公開可訪問的病患面向 RAG（檢索增強生成）醫療聊天機器人。研究採取非破壞性的兩階段方法，先以大型語言模型輔助探索可能漏洞，再用瀏覽器開發者工具逐項驗證。結果揭示系統透過瀏覽器可讀的客戶端–伺服器通訊洩露大量敏感設定與紀錄，包括完整 RAG 配置、知識庫內容與最近存檔的病患對話。
深度分析
SiriusHelper：以 LLM、分層知識庫與 DeepSearch 實作大數據平台運維助理
大數據平台運維面臨諮詢與診斷並存的挑戰。SiriusHelper以LLM驅動的路由器結合深度檢索與分層知識庫，實現多跳檢索與專家工作流自動導引，同時自動化票務理解並萃取SOP以持續擴充知識庫。上線後降低介接工單量。實驗與上線數據顯示相較替代方案提升答案可靠性與延遲表現，並將線上工單量降低20.8%。
深度分析
HAVEN：結合 LLM 與 Jinja2 模板的混合式 UVM 測試平台實作與效能評估
IC驗證佔開發週期近七成，傳統手寫測試平台耗時龐大。研究提出HAVEN，結合LLM抽取規格與預先設計的Jinja2模板，並以協議感知的DSL產生序列，實現全自動UVM測試平台。實驗顯示在19個開源晶片上達到100%編譯成功、90.6%代碼覆蓋與87.9%功能覆蓋，顯著優於既有LLM方案。
深度分析
ValuePlanner：結合 LLM 與 PDDL 的價值驅動具身代理人框架
隨著具身AI逐漸突破感知瓶頸，研究提出ValuePlanner以LLM產生價值導向子目標，再由PDDL規劃器落實執行，實驗顯示其能在長期自主任務中協調衝突價值，產生更具一致性與多樣性的行為。此架構同時克服純神經模型的幻覺問題，並提供可驗證的行動計畫。
Moltis
Moltis：以 Rust 打造安全自托管 AI 代理伺服器，支援多平台與 MCP 整合
Moltis是一以Rust開發的自托管個人AI代理伺服器，提供單一二進位檔、沙盒執行與多供應商LLM整合，支援語音、記憶、Telegram、Discord等平台。設計讓金鑰永不離機、程式碼可審計，已登上HackerNews首頁，顯示對本地安全AI代理的需求上升。
AIfred
AIfred Intelligence：本地多代理 AI 助理的全功能開源實作與技術概覽
AIfred Intelligence 是一個以 Python 為主的開源專案，提供本地化的多代理人工智慧助理。它支援工具呼叫、持續記憶、訊息中心與多代理辯論，並整合文字轉語音、語音辨識與網頁爬取等功能。使用者可在自有硬體上部署，免除雲端依賴，確保資料主權。
深度分析
LlamaIndex 聚焦語境與模組化：RAG 框架進入 AI 自動化時代
開發者過去依賴索引層、查詢引擎等腳手架建構LLM應用，LlamaIndex CEO Jerry Liu認為模型已能自行處理大量非結構化資料，框架需求縮減，語境解析與模組化成為新核心，業界必須調整堆疊策略。同時MCP與ClaudeAgentSkills讓模型即時發現並使用工具，降低整合成本。
深度分析
大型語言模型驅動的多代理人系統治理拓撲：歷史制度與效能比較
研究指出，隨著大型語言模型的多代理人系統發展，治理拓撲對集體效能影響巨大。作者將七種歷史政治制度轉譯為可執行的多代理架構，實驗發現同一模型下最佳與最差制度差距超過57%。研究同時提出門檻密度ρ作為衡量治理開銷的指標，說明過高的審核層會導致失敗迴圈。
深度分析
Agentic UI 全解析：AG‑UI 事件流、A2UI 宣告式介面與生成式 UI 實作
隨著大型語言模型在軟體開發中的應用提升，本文示範如何以純Python建構完整AgenticUI堆疊，透過AG‑UI事件流即時觀測代理行為，並以A2UIJSON宣告式描述介面，讓LLM直接產生互動式UI，最終展現即時同步與安全審批機制。為開發者提供可擴展的Agentic UI藍圖。
desktop-touch-mcp
desktop-touch-mcp：以 Model Context Protocol 與語意世界圖提升 Windows 桌面自動化效能
desktop-touch-mcp是一個為Windows設計的MCP伺服器，透過語意世界圖與自動感知機制取代傳統座標點擊，提供螢幕截圖、鍵鼠與UI自動化等28項高訊號工具，Rust引擎提升近百倍效能，讓LLM代理人以更少代幣完成桌面操作。並支援Chrome遠端除錯與終端指令。