深度分析
以 CAMEL 與 Pydantic 建構生產級多代理系統：規劃、驗證與審核流程
本文以教學式文章改寫呈現如何用 CAMEL 框架設計一套生產級的多代理（multi-agent）系統。
LLM
深度分析
LePREC：結合 LLM 與稀疏線性模型的神經符號法律議題判斷
在法律資源有限的情境下，自動化判斷哪些法律議題與案情相關，是法律科技的一道核心難題。來自 ArXiv 的研究提出 LePREC，一套結合大型語言模型（LLM）生成的問答式推理因子，與稀疏線性分類器的神經符號框架。
深度分析
RAG-DIVE：以 LLM 驅動的動態互動評估框架，診斷 RAG 系統的對話歷史與檢索行為
RAG-DIVE 提出一套面向多回合對話的動態評估流程，透過 LLM 模擬使用者發起多回合互動，並以三個模組——對話生成（CG）、對話驗證（CV）與對話評估（CE）——連動運作。CG 根據知識文件與先前回合自動提出可回答的追問，CV 篩選並修正低品質輸出，CE 則產出逐回合與整體多回合指標來衡量檢索與生成品質。
深度分析
CAAF：以 Harness 與 UAI 建立閉環決定性，強化 LLM 在安全工程的可控性
大型語言模型在安全關鍵工程展現可控性缺口。CAAF提出閉環決定性架構，三大支柱分別為遞歸原子分解、Harness作為資產並以統一斷言介面執行不變條件，以及結構化語意梯度與狀態鎖定。實驗於自駕L3與藥品流動反應器基準中顯示成效。能可靠偵測悖論並達成單調收斂，優於單體及其他多代理構型。
深度分析
以DAG評估LLM代理人：The Amazing Agent Race揭示網頁導航短板
本研究觀察到現有LLM工具使用基準多為短線性步驟。提出TheAmazingAgentRace，將題組設計為DAG結構，要求代理人從維基導航、分叉多路API調用再合併結果，並以終點正確率、途經率、路障完成率三指標分解錯誤來源。實驗顯示最佳配置僅約37%正確率，導航失誤為主因。
LLM
從零實作大型語言模型：rasbt 的 LLMs-from-scratch 教學與 PyTorch 範例
GitHub上出現一個以教學與實作為主的開源專案，示範如何從零實作GPT類大型語言模型。專案以JupyterNotebook與PyTorch逐步說明模型架構、預訓練流程、優化與微調方法，並附帶載入較大預訓練權重的範例與實驗代碼。對於自學者與開發者，此資源提供可操作的學習路徑與實作參考。
深度分析
Krone：從平面日誌抽出實體－動作－狀態階層，實作模組化異常偵測
隨著系統日益複雜，從平面日誌偵測異常已不足。Krone自動從平面日誌抽取實體-動作-狀態三層階層，遞回分解執行序列並在每層進行模組化偵測，結合輕量本地比對與選擇性LLM推理，重用低階模式以節省計算，並提供層級化異常定位以利解釋。實驗顯示Krone大幅提昇F1與資源效率，並降低LLM使用量。
深度分析
使用 KernelGen‑LM 與 NPUKernelBench：LLM 驅動的 NPU 核心生成與驗證方法
面對專用加速器（NPU）程式開發門檻高、訓練資料稀缺的挑戰，AscendKernelGen 提出一套生成—評估閉環流程。研究構建 Ascend‑CoT 推理式資料集，並以該資料做領域適配微調，得到 KernelGen‑LM；同時設計 NPUKernelBench 來衡量編譯、功能正確性與效能。
深度分析
跨供應商審計：LLM 在社群策展中的偏誤與極化影響
一項針對大型語言模型（LLM）在社群內容策展上偏誤的實驗，透過 540,000 次模擬選擇，比對三家供應商（OpenAI、Anthropic、Google）、三個平台（Twitter/X、Bluesky、Reddit）與六種提示風格。研究發現：極化內容被系統性放大、情緒偏向多為負面，且「提示目標」會顯著改變毒性與情緒傾向。
深度分析
EVIL：以大型語言模型引導的演化搜尋，生成可解釋的時序推論程式
研究提出 EVIL：由大型語言模型引導的演化搜尋來自動發現可讀的 Python/NumPy 推論算法；該單一算法可在不做資料集微調下，對時序事件、馬可夫跳躍與時序補值等任務執行零次推論；實驗顯示其在多項基準上可與深度學習方法媲美，推論速度更快且具可解釋性。
深度分析
在 Isabelle/HOL 中最小化型別註記：Smolka–Blanchette 演算法與 LLM 代理人實作
背景：型別註記影響術語可重解析性與型別推斷。方法：在Isabelle上形式化rank-one多型λ演算之最小完整註記問題，分析Smolka-Blanchette反向貪婪刪除與覆蓋測試。結果：人類與LLM各自草擬證明，LLM再自動形式化並在人工提示下推廣，產生三套Isabelle形式化成果，示範AI輔助程式語言型態理論的可行性。
深度分析
多代理 LLM 與資料效率微調提升規格→Verilog 生成與自動化測試
硬體描述語言資料稀缺，研究以多代理LLM自動產生testbench，並用資料效率微調改善規格到Verilog的生成。採多模型協作與驗證工具，自動化測試提高資料品質並縮短人力。實驗顯示在較少訓練資料下仍能生成語法正確且功能相關的Verilog程式。