速報
新三層階層學習架構提升自律無人機群搜尋救援效能
本研究針對搜尋救援任務開發新型三層階層學習架構，結合 Hebbian 可塑性、圖形神經網路強化學習與模型無關元學習，形成反射、技能與推理三層次。架構以二十二項合約提供安全、最佳化等六項保證，並引入群體元認知，使無人機群可自我監控與策略切換，提升任務效能與韌性。
元認知
深度分析
具備元認知、競爭感知與長遠規劃的 LLM 代理人於 AI 勞動平台的收入與競爭優勢
隨著人工智慧代理人進入經濟領域，研究提出首個結合逆選擇、道德風險與聲譽機制的市場模型，強調元認知、競爭感知與長期規劃三大能力，模擬顯示代理人可透過策略自我提升快速適應，並可能導致市場快速壟斷與價格下跌。與ACPO、HyPOLE比較，顯示策略規劃優勢。
速報
預測誤差門控與元認知：新型記憶與視覺語言模型的雙重突破
本研究探討利用小型預測器在凍結編碼器潛在空間產生的預測誤差訊號，作為可塑性門檻與元認知基礎。第一套系統結合非參數式情節記憶與離線重播，於凍結的 DINOv2 或 I‑JEPA 骨幹上持續學習 1000 個 ImageNet 類別，顯示出顯著的記憶保持與少樣本表現。
速報
大型語言模型人工群聚：以LLM模擬群體智慧降低估算誤差
研究團隊以 960 筆手動提示，測試三款商業大型語言模型（GPT‑5、Gemini 2.5 Pro、Claude Sonnet 4.5）在八項估算任務中的內部抽樣與跨模型聚合效應。
深度分析
生成式AI與元認知適應：個人創作提升與群體同質化的悖論分析
研究顯示，使用生成式AI文字創作時，個人作品創意與滿意度提升，但缺乏原創性評估、探索規劃與反思整合等元認知能力，導致群體作品同質化，形成個人增益卻集體損失的悖論，提醒設計者加強未受支持能力的支援。研究同時提出六項元認知能力的分類，指出四項被放大、兩項被忽視，若不調整工具設計，長期會削弱創意多樣性。
速報
MetaKGEnrich：為大型語言模型打造元認知式自我知識修復
研究指出現代人工智慧普遍缺乏元認知。研究提出MetaKGEnrich，一套自動化流程：由種子查詢建構知識圖譜、以七種圖譜指標偵測稀疏區域、生成針對性問題並網路檢索佐證回填，最後擷取並評估回覆品質。實驗在三個公開資料集上顯示多數問題的答案品質獲得提升。
速報
元認知探針：用五項行為診斷揭露 LLM 自信與正確性落差
研究提出「元認知探針」，用五項行為診斷拆解大型語言模型的信心與正確性關係：包含校準、認知警覺、知識邊界、校準範圍與推理鏈驗證。對八款前沿模型與六十九名人類受測者比較，揭露像Gemini 2.5 Flash出現顯著跨任務不一致。工具為探索性，程式碼與資料已公開。
深度分析
當人機團隊能超越最佳個體：信心導向聚合、錯誤相關性與元認知的量化界限
多項實驗顯示人機團隊在多數情況下無法超越最佳個體。這篇論文以信號檢測理論結合資訊論，針對「信心導向聚合」類規則推導出嚴格的互補性條件：存在臨界錯誤相關性ρ*，僅當錯誤相關低於此門檻時，團隊才可能超越個體；另外證明當相關性超過ρ*時，任何信心聚合都不可能達到互補。
速報
以元認知機制協調多代理人的機率式 SOAR 框架提升資安決策韌性
在不確定與對手干擾的資安環境下，研究提出以元認知機制協調多代理人的機率式SOAR框架，能評估不確定性與代理分歧，並自動選擇執行、升級或延後。實驗顯示在噪聲與對抗測試中提升準確度並降低誤報率，此結果顯示該方法在實務部署上具備更高的韌性與可解釋性。